视频生成控制框架Uni3C：通过统一的3D增强方法精确控制视频生成中的相机和人物动作
阿里巴巴达摩院、复旦大学和湖畔实验室的研究人员推出Uni3C框架，通过统一的3D增强方法精确控制视频生成中的相机和人物动作。 项目主页：https://ewrfcas.github.io/Uni3C ...
排序
谷歌推出LightLab：基于扩散模型的AI工具，实现单张图像中的精细光照控制
在图像后期处理中，操控光照条件一直是一个复杂且具有挑战性的任务。传统方法依赖于3D图形技术，通过多次捕获重建场景的几何结构和属性，并利用物理光照模型模拟新的光照效果。尽管这些技术提供了对光源的明确控制...
英伟达发布人体运动的通用模型Genmo：实现从视频、2D 关键点、文本描述、音乐和3D 关键帧等多种条件信号中生成和估计高质量的人类运动
英伟达研究团队开发的统一框架 GENMO，用于人类运动建模。GENMO 的目标是将人类运动估计（estimation）和生成（generation）任务整合到一个框架中，从而实现从视频、2D 关键点...
西湖大学和浙江大学的研究人员推出统一框架UCGM：用于训练、采样和理解连续生成模型
西湖大学和浙江大学的研究人员推出统一框架UCGM，用于训练、采样和理解连续生成模型。UCGM通过一个统一的训练目标和采样算法，将多步生成模型（如扩散模型和流匹配模型）与少步生成模型（如一致性模型）结合...
新型参考式人类图像补全框架CompleteMe：通过参考图像来补全被遮挡或缺失的人类图像区域，同时保留独特的细节信息
加州大学默塞德分校和Adobe Research的研究人员推出新型参考式人类图像补全框架CompleteMe，旨在通过参考图像来补全被遮挡或缺失的人类图像区域，同时保留独特的细节信息，如特定的服装图案...
基于解耦身份和运动的主体驱动视频生成的新方法
首尔国立大学、 微软亚洲研究院和浦项科技大学的研究人员推出提出了一种**基于解耦身份和运动的主体驱动视频生成（Subject-driven Video Generation via Disentang...
Flow-GRPO：将在线强化学习与流匹配模型相结合，用于提升文生图模型生成任务的性能
香港中文大学MM实验室、清华大学、快手科技、南京大学和上海人工智能实验室推出新方法Flow-GRPO，它将在线强化学习（Reinforcement Learning, RL）与流匹配（Flow Mat...
Meta推出LlamaFirewall，为AI智能体提供全方位系统级安全保护
随着大语言模型（LLMs）在高权限场景中的广泛应用，AI智能体的安全问题日益凸显。这些智能体能够读取邮件、生成代码、调用API，甚至执行复杂的任务链。然而，一旦被恶意利用，可能导致严重的安全隐患。为了...
阿里推出基于扩散模型的视频试穿技术3DV-TON：让用户能够在视频中“试穿”不同的服装
阿里巴巴达摩院、湖畔实验室和浙江大学的研究人员推出一种新型的基于扩散模型的视频试穿技术3DV-TON，旨在通过高质量和时间连贯的视频生成，让用户能够在视频中“试穿”不同的服装，而无需实际的物理试穿。 ...
Liblib AI推出基于 ControlNet 框架RepText：实现中文文本的准确生成
在当今的文本到图像生成领域，尽管模型在生成视觉上吸引人的图像方面取得了显著进步，但在处理精确且灵活的排版元素时，尤其是对于非拉丁字母，仍然存在明显的局限性。这种局限性主要源于文本编码器在处理多语言输入...
Yo’Chameleon：使大型多模态模型（LMM）实现个性化视觉和语言生成能力
威斯康星大学麦迪逊分校和Adobe Research的研究人员推出新型框架Yo’Chameleon，为大型多模态模型（LMMs）实现个性化视觉和语言生成能力。Yo’Chameleon 通过软提示调...
微软发布新型框架BitNet v2：为 1-bit 大型语言模型（LLMs）实现原生 4-bit 激活量化
微软发布了一个名为 BitNet v2 的新型框架，旨在为 1-bit 大型语言模型（LLMs）实现原生 4-bit 激活量化。该框架通过引入 H-BitLinear 模块，解决了在低比特量化中激活值...
