新技术

开源自回归图像生成模型Open-MAGVIT2 

新型AI模型PT-DiT：针对文本到任意任务（如文本到图像、文本到视频等）的高效能扩散变换器

新型图像编辑方法Guide-and-Rescale：能够在不破坏原始图像的基础上，对真实的照片进行各种编辑

基于大语言模型的框架GenAgent：用于自动生成复杂的工作流程，以构建协作式人工智能系统

字节跳动推出基于音频驱动人物肖像新框架Loopy：专门用于生成与音频同步的逼真人像视频

无需训练的图像编辑技术DiffUHaul：专门用于在图像中无缝移动物体

新型视频扩展方法Follow-Your-Canvas：能够将现有视频的内容扩展到更高的分辨率，并在扩展区域生成丰富的新内容

新型SD模型压缩方法VQDM：通过向量量化技术，能够将大型的文本到图像扩散模型压缩到较低比特位表示，同时保持图像生成的高质量

新型图像生成蒸馏模型LinFusion：利用文本提示生成高分辨率的图像

新型视频深度估计方法DepthCrafter：为开放世界（即不受限制、多样化的现实世界场景）的视频生成时间上连贯、细节丰富的深度序列

不需要额外的训练！用于个性化调整扩散模型的新方法RB-Modulation

适用于 DiTs 模型的快速后训练向量量化方法 VQ4DiT：能够在各种资源受限的环境中高效运行，同时保持生成图像的质量。