新技术

Meta推出个性化图像生成模型Imagine yourself：根据参考照片，生成遵循特定文字描述的新图像，而且不需要对每个新用户进行单独调整

人像视频编辑方法PortraitGen：可以根据多模态提示对人像视频进行一致且富有表现力的编辑

新型视频生成技术Dr. Mo：提高视频生成的效率，同时保持或提升视频质量

基于参考的线条艺术视频上色的视频扩散框架LVCD：用于根据参考图像和线稿序列为动画视频着色

多模态大语言模型Oryx：专门设计用于理解和处理视觉数据，如图像、视频和3D场景

新型图像到视频生成技术OSV：可以将单张图像仅仅一步内生成高质量视频

新型高品质文本音频生成器EzAudio：将文本描述转换成相应的音频内容

diffusion-e2e-ft：通过微调图像条件扩散模型来简化和提高单目深度估计的效率

北京人工智能研究院推出新型图像生成模型OmniGen

Jina AI推出新型文本嵌入模型 jina-embeddings-v3：专为多语言数据和长文本检索任务优化

音乐生成系统Seed-Music：能够创作出高质量的音乐，并且可以根据用户的细致要求来调整音乐的风格和内容

图像编辑方法Click2Mask：通过简单的点击来实现对图片的局部编辑，而不需要复杂的遮罩或详细的描述