Reducio-DiT：通过先进压缩技术提升视频生成效率
新技术

随着技术的进步，视频生成模型已经能够创造出令人惊叹的高质量视频片段。然而，这...
2024-11-23 136
开源版风格参考StyleCodes：能够将图像风格表达为一个 20 符号的 base64 代码
新技术

扩散模型在图像生成方面取得了显著的成功，但如何有效地控制生成图像的风格仍然是...
2024-11-21 134
SSAM 2增强版SAMURAI：专门设计用于视觉物体跟踪
新技术

Segment Anything Model 2 (SAM 2) 是一个在物体分割任务中表现出色的模型，但在视...
2024-11-21 202
SageAttention2：适用于即插即用推理加速的精确4位注意力机制
新技术

尽管线性层的量化技术已经广泛应用于深度学习模型中，但在加速注意力机制方面的应...
2024-11-21 124
ITACLIP：通过图像、文本和架构增强提升无需训练的语义分割
新技术

近年来，基础视觉语言模型（VLMs）的发展彻底改变了计算机视觉领域的研究方向。这...
2024-11-21 134
CSpD：用于加速自回归图像生成模型的推理过程
新技术

中国科学院大学、中国科学院自动化研究所和中国铁塔的研究人员介绍了一种名为“Cont...
2024-11-21 120
新型推理加速技术SmoothCache：提高DiT模型在不同模态（如图像、视频和语音合成）任务中的推理效率
新技术

DiT架构因其强大的生成能力而在图像、视频和语音合成等多个领域展现出巨大潜力。然...
2024-11-21 122
视频编辑方法STABLEV2V：解决视频编辑中形状一致性问题
新技术

中国科学技术大学的研究人员推出视频编辑方法STABLEV2V，旨在解...
2024-11-21 126
新型虚拟试穿技术FitDiT：专为优化DiT模型的虚拟试穿性能而设计
新技术

尽管基于图像的虚拟试穿技术已取得显著进展，但在生成高保真度和适应性强的拟合图...
2024-11-21 128
NumPro：增强视频大语言模型在视频时间定位任务中的表现
新技术

东南大学、马克斯普朗克信息学研究所、腾讯微信和加州大学伯克利分校的研究人员推...
2024-11-21 106
新型3D生成框架GaussianAnything：根据单视图图像或文本条件生成高质量且可编辑的3D模型
新技术

新加坡南洋理工大学、上海人工智能实验室和北京大学的研究人员推出新型3D生成框架G...
2024-11-21 110
FlipSketch：将静态绘图转换为文本引导的草图动画
新技术

草图动画作为一种强大的视觉叙事工具，从简单的手工翻页涂鸦发展到了专业的工作室...
2024-11-21 138
没有账号？注册  忘记密码？