图像模型

ColorFlow 是由清华大学和腾讯ARC实验室提出的一个创新性三阶段扩散模型框架，专门用于解决黑白图像序列的自动着色问题。该模型旨在确保角色和对象的身份（ID）在着色过程中得到一致保留，同时生成高...

图像编辑技术近年来在基于反演（inversion-based）和基于指令（instruction-based）的方法上取得了显著进步。然而，这些方法各自存在局限性： 基于反演的方法：在处理重大修改（如...

在个性化生成任务中，扩散模型（Diffusion Models）已经取得了显著的成就。传统的无需调优的方法通常通过平均多个参考图像的图像嵌入作为注入条件来编码，但这种与图像无关的操作无法在图像之间进行...

黑森林实验室（Black Forest Labs）在上个月发布了 FLUX.1 Tools 系列开源模型，旨在为图像处理和生成任务提供强大的工具。该系列包括以下三个主要模型： FLUX.1 Fill...

可控人物图像生成的目标是根据参考图像生成高质量的人物图像，同时允许对人物的外观或姿势进行精确控制。尽管现有的方法在整体图像质量上取得了显著进展，但它们往往会在生成过程中扭曲参考图像中的细粒度纹理细节...

故事可视化，即将文本描述转化为视觉叙事的任务，近年来随着文本到图像生成模型的发展取得了显著进展。然而，现有的模型在处理多角色场景时，特别是在控制角色外观和互动方面，仍然存在局限性。具体来说，这些模型难...

萨里大学和NetMind.AI的研究人员提出了NitroFusion，这是一种根本不同的单步扩散方法，旨在通过动态对抗框架实现高质量的图像生成。尽管单步方法在速度上具有显著优势，但它们通常在生成质量上...

字节跳动的研究团队提出了TokenFlow，这是一种新颖的统一图像标记器，旨在弥合多模态理解和生成之间的长期存在的差距。先前的方法尝试使用单一的重建导向向量量化（VQ）编码器来统一这两项任务，但这种做...

加州大学洛杉矶分校、松下AI研究院和Salesforce AI研究院的研究人员共同提出了OmniFlow，这是一种新颖的生成模型，专为处理“任何到任何”（any-to-any）生成任务设计，如文本到图...

现有的多视图图像生成方法通常对预训练的文生图模型进行侵入性修改，并需要全面微调，导致高计算成本和图像质量下降。为了解决这些问题，北京航空航天大学、VAST 和上海交通大学的研究人员提出了 MV-Ada...

Yandex Research、HSE 大学、MIPT 和 Skoltech 的研究人员提出了 Switti，这是一个专门设计用于文本到图像（T2I）生成的尺度变换器。Switti 从现有的下一尺度预...

比勒费尔德大学 CITEC 机器学习小组提出了一项新颖的任务——虚拟脱衣（Virtual Try-Off, VTOFF），旨在从穿着衣服的单张照片中生成标准化的服装图像。与传统的虚拟试穿（Virtua...