基于扩散模型（SDXL）的新型图像恢复方法InstantIR
盲图像恢复（Blind Image Restoration, BIR）的主要挑战之一是处理测试时未知的退化，这需要模型具备高泛化能力。北京大学、InstantX团队和香港中文大学的研究人员提出了一种新...
排序
SDXL Turbo： 实时文本到图像生成模型
Stability AI于北京时间2023年11月28日推出了新的开源文生图模型 SDXL Turbo，SDXL Turbo 是在 SDXL 1.0 的基础上采用新的蒸馏方案，让模型只需要一步就可以生...
新型超分辨率技术APISR：专门针对动漫图像和视频的高质量增强
来自密歇根大学、耶鲁大学和浙江大学推出新型超分辨率技术APISR，专门针对动漫图像和视频的高质量增强。超分辨率技术（Super-Resolution, SR）是一种图像处理技术，旨在从低分辨率的图像中...
阿里Qwen团队推出 Qwen3-30B-A3B-Instruct-2507：更强、更准、更懂你
阿里Qwen团队发布 Qwen3-30B-A3B-Instruct-2507 ——Qwen3 系列中针对非思考模式优化的新一代指令微调模型。 Qwen Chat：https://chat.qwen.a...
高效且多功能的框架Ctrl-Adapter：在各种图像和视频生成模型中加入丰富的控制功能
北卡罗来纳大学教堂山分校的研究人员推出高效且多功能的框架CTRL-Adapter，它能够为任何图像或视频扩散模型添加多样的空间控制功能。它支持多种实用的应用，如视频控制、多条件视频控制、稀疏帧条件下的...
阿里发布Qwen3-LiveTranslate-Flash ：全球首个视、听、说全模态实时同传大模型
阿里通义实验室今日推出 Qwen3-LiveTranslate-Flash——一款基于 Qwen3-Omni 基座模型打造的多语言实时音视频同声传译大模型。 Demo：https://huggingf...
Stability AI推出新模型Stable Cascade
关键要点摘要： Stable Cascade模型发布： 今天，Stability AI推出了基于Würstchen架构的文生图模型Stable Cascade，并仅允许在非商业许可下使用，限定于非商业...
人像个性化框架UniPortrait：支持单人物（Single-ID）和多人物（Multi-ID）图像的定制化生成
阿里巴巴集团智能计算研究院推出人像个性化框架UniPortrait，支持单人物（Single-ID）和多人物（Multi-ID）图像的定制化生成。简单来说，UniPortrait能够根据用户提供的文本...
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
智谱 AI推出与“清影”同源的视频生成模型 —CogVideoX，CogVideoX模型包含多个不同尺寸大小的模型，目前将开源 CogVideoX-2B，它在 FP-16 精度下的推理需 18GB 显...
Outfit Generator：基于FLUX.1-dev 的服装LoRA
Outfit Generator是一款基于FLUX.1-dev 的服装LoRA，使用H&M服装数据集进行训练，它能够通过提示词生成复杂的服装设计，包括颜色、图案、样式、材料和类型等细节。 模型...
新型文生图框架SANA：能够高效地生成高达4096×4096分辨率的高清晰度图像
英伟达、麻省理工学院和清华大学的研究人员推出新型文本到图像生成框架SANA，它能够高效地生成高达4096×4096分辨率的高清晰度图像。SANA的核心优势在于它不仅生成的图像质量高，而且与文本的匹配度...
Rev推出开源自动语音识别模型Reverb和话者分离模型
Rev 最近宣布开源其尖端的 Reverb 自动语音识别 (ASR) 和话者分离模型。经过 200,000 小时高质量人工转录的英语语音训练，Reverb 在长篇语音识别领域中表现出色，超越了所有现有...
