StabilityAI推出全新视频生成模型Stable Video 4D（SV4D）：可将单个视频转化为 8 个不同角度/视图的新视图视频
StabilityAI在今天推出一个新的视频生成模型Stable Video 4D（SV4D），只需 40 秒就可将单个视频转化为 8 个不同角度/视图的新视图视频（5 帧/个视角），整个 4D 优化...
排序
智谱 AI 开源视频生成模型 CogVideoX-5B ，RTX 3060 显卡可运行
之前已经给大家分享了《智谱AI推出视频生成模型CogVideoX：与“清影”同源，单张 4090 显卡可推理》，之前推出的是CogVideoX-2B模型，智谱 AI又开源了CogVideoX-5B，相...
flux-ip-adapter-v2：基于FLUX.1-dev的风格迁移IP-Adapter 模型
XLabs-AI推出了很多基于FLUX.1-dev 模型的ControlNet模型，近期XLabs-AI又推出了基于FLUX.1-dev的IP-Adapter 模型，支持支持 512 和 1024 分...
Stable Diffusion 1.5
Stable Diffusion 1.5 是由 Runway ML 开发，基于 Stable Diffusion 1.2 版本，于2022年10月发布，并进行了以下改进： 使用了更大的模型：Stabl...
SDXL系列新模型SDXL Flash：高速且保证质量的SDXL模型
Stable Diffusion Community是一个非官方、非盈利性质的组织，它们主要目标是尽可能改进 SD 模型并让每个人都可以使用它们，近期它们推出了新的SDXL系列模型SDXL Flash...
多语言文本编码器Glyph-ByT5-v2：提高在图形设计图像中渲染多种语言文本的准确性和美观度
来自微软亚洲研究院、清华大学、北京大学和利物浦大学的研究人员推出新型多语言视觉文本渲染技术Glyph-ByT5-v2，这是之前介绍的Glyph-ByT5升级版，此技术的目标是提高在图形设计图像中渲染多...
新型文生图模型CoMat：更好地理解和执行文本描述，提高了文本到图像生成的质量和准确性
来自香港中文大学、商汤科技和上海人工智能实验室的研究人员推出新型文生图模型CoMat，这是一种具有图像到文本概念匹配机制的端到端扩散模型微调策略。开发团队借助图像字幕模型来评估图像与文本的对齐程度，并...
文生图模型新架构MoA：根据用户的个性化需求生成包含特定人物的图像，同时保持原有模型的风格和多样性
Snap推出新架构注意力混合（Mixture-of-Attention，简称MoA），即在个性化图像生成中实现主体与上下文解耦的注意力混合模型（MoA），用于个性化文本到图像的扩散模型。简单来说，Mo...
华为PixArt系列最新模型—PIXART-Σ：基于DiT，可直接生成4K分辨率的图像
来自华为诺亚方舟实验室、大连理工大学、香港大学的研究人员推出了最新的PixArt模型—PIXART-Σ，PixArt-Σ基于Diffusion Transformer架构 (DiT，与Sora、Sta...
图像编辑框架ByteEdit：提升基于扩散模型的生成性图像编辑任务的性能
字节跳动推出图像编辑框架ByteEdit，这是一个精心设计的创新反馈学习框架，旨在增强生成图像编辑任务的效果、提升遵从度，并加速处理速度。它专门用于提升基于扩散模型的生成性图像编辑任务的性能。Byte...
PixelWave Flux.1-Dev：基于FLUX.1-dev的微调FLUX模型，适合艺术和摄影风格
PixelWave Flux.1-Dev是一个基于FLUX.1-dev的微调FLUX模型，非常适合艺术和摄影风格，黑色和深色图像输出更可靠，手部问题更少。目前已经推出了第三版，开发者推出了多个版本（S...
卷积重建模型CRM：将一张普通的2D图片转换成一个带有纹理的3D模型
清华大学、中国人民大学等团队研究人员推出卷积重建模型CRM。该模型可用于将单图像转换为3D纹理网格，可在短短10秒内就从图像中提供了高保真纹理网格，无需任何优化测试。 项目主页 GitHub Demo...
