Adobe推出TransPixar：通过文本和图像生成透明背景的视频
模型

香港科技大学(广州)和 Adob​​e 研究的研究人员推出一种先进的文本到视频生成方法 T...
2周前 46
新型多模态大语言模型Sa2VA：将 SAM2 与 LLaVA相结合，实现对图像和视频的深入理解
模型

加州大学默塞德分校、字节跳动、武汉大学和北京大学的研究人员推出新型多模态大语...
2周前 52
微软正式开源了Phi-4：拥有140亿参数的小型语言模型
模型

去年12月，微软推出了其Phi系列的最新成员——Phi-4，该模型在解决数学问题等方面展...
2周前 46
高效大型多模态模型LLaVA-Mini：通过最小化视觉令牌（vision tokens）的数量来提高模型的计算效率和响应速度
模型

中国科学院计算技术研究所智能信息处理重点实验室（ICT/CAS）、中国科学院人工智能...
2周前 48
开源多模态视频语音大模型VITA-1.5： 基于Qwen2.5模型，实现接近实时的视觉和语音交互能力
模型

随着多模态大语言模型（MLLMs）的发展，如何有效地整合视觉、语言和语音成为了人工...
2周前 48
英伟达推出世界基础模型平台NVIDIA Cosmos ：帮助物理 AI 开发人员更好、更快地构建物理 AI 系统
模型

英伟达在CES2025上宣布推出 NVIDIA Cosmos 平台，该平台包含先进的世界基础生成模...
2周前 69
Anaglyph3D：生成3D图像的Flux Lora，不过需要你戴上红蓝 3D 眼镜观看
模型

Anaglyph3D是一款能够让你生成3D图像的Flux Lora，不过需要你戴上红蓝 3D 眼镜观看...
2周前 78
Etch A Sketcher：重现 Etch A Sketch 玩具的外观及其独特的线描风格的Flux Lora
模型

Etch A Sketcher是一款国外经典艺术玩具Etch A Sketcher（蚀刻素描）的Flux Lora，...
3周前 56
端到端唇音同步框架LatentSync：可以分析新的音频信号，并生成与音频同步的口型
模型

字节跳动与北京交通大学的研究团队共同提出了一种名为LatentSync的新方法，旨在解...
3周前 102
文本到音频生成模型TANGOFLUX：从文本描述中快速、忠实地生成高质量的音频内容
模型

随着人工智能技术的发展，文本到音频（TTA）生成模型正在逐渐改变我们与数字内容互...
3周前 78
用文生图的新型规模感知变换器SWITTI：基于现有的下一代规模预测自回归（AR）模型
模型

Yandex Research、俄罗斯国立研究型大学高等经济学院、莫斯科物理技术学院和Skolte...
3周前 107
Snow Ball：雪花球主题的Flux Lora，允许在雪花球内展示各种场景
模型

Snow Globe - Snow Ball是一款雪花球主题的Flux Lora，允许在雪球内展示各种场景，...
3周前 70
没有账号？注册  忘记密码？