新技术

来自清华大学、上海人工智能实验室、上海启智研究院的研究人员推出GeneOH Diffusion，它旨在解决手-物体交互（HOI）去噪的问题。在手-物体交互中，我们经常需要准确地追踪手部动作，尤其是在游...

RealCompo是一个全新的文生图框架，它旨在解决当前文生图模型在处理多对象组合生成时遇到的困难，通过动态平衡真实性和组合性来提高生成图像的质量。 GitHub 论文 RealCompo利用了文本到...

Google Research推出CamViG（Camera Aware Image-to-Video Generation），它能够根据单一图像和三维相机运动信号生成视频。这项技术的核心在于，它能够...

Google Deepmind推出新型图像生成模型Semantica，Semantica的核心特点是它能够在不需要对特定数据集进行微调（finetuning）的情况下，适应不同的图像数据集。这是通过一...

Meta推出Garment3DGen，它是一种自动化的方法，能够将基础的服装网格模型转换成可以直接用于模拟的资产，无论是通过图像还是文本提示。这个方法使得快速生成资产变得简单快捷，大大降低了原本需要专...

谷歌推出新型图像编辑工具Magic Insert，可以让我们像变魔术一样，将一张图片中的主题（比如一个人或者一个物体）拖拽到另一张风格完全不同的图片上，并且让这个主题在新图片中看起来非常自然，就像它本...

生数科技发布创新框架DreamReward，它专注于通过人类偏好反馈来提升从文本到3D内容生成（text-to-3D generation）的质量。它通过结合人类反馈和先进的机器学习技术，极大地提高了...

北京航空航天大学、上海人工智能实验室和香港大学的研究人员推出新型4D内容生成管道4Diffusion，它能够从单目视频生成具有空间-时间一致性的四维内容。简单来说，4Diffusion就像一个高级的视...

上海交通大学、上海人工智能实验室和大连理工大学的研究人员推出MegaFusion，它能够将现有的扩散模型（diffusion models）扩展到更高分辨率的图像生成，而无需额外的调整或适应。具体而言...

来自加州大学圣巴巴拉分校、谷歌和滑铁卢大学的研究人员推出文生视频新技术T2V-Turbo，它可以快速生成高质量的视频，并且能够根据文本描述来创建视频内容。它将来自混合的不同可微奖励模型的反馈整合到预训...

来自印度信息技术研究所、Hugging Face、阳明交通大学、IBM 研究院的研究人员提出一种用于个性化扩散模型的参数高效微调方法DiffuseKronA，主要功能是在保持图像生成质量的同时，显著减...

阿里旗下阿里妈妈研究人员推出高保真图像到视频生成框架AtomoVideo，它能够将输入的图像转化为高保真的视频。相较于现有的技术，它提供了更出色的运动强度和一致性，而且完美兼容各种个性化文生图模型，无...