微软亚洲研究院推出新框架VASA-1：基于一张静态图片和一个语音音频片段，实时生成逼真的会说话的面孔
新技术

微软亚洲研究院推出新框架VASA-1，它可以根据单张静态图像和语音音频片段，生成具...
2024-04-22 192
AniClipart：根据文本提示将静态的剪贴画转换成动画
新技术

香港城市大学和莫纳什大学的研究人员推出AniClipart，它能够根据文本提示将静态的...
2024-04-21 272
动态排版Dynamic Typography：将文字通过动画效果生动呈现的技术
新技术

来自香港科技大学和特拉维夫大学的研究人员推出Dynamic Typography（动态排版），...
2024-04-20 306
EdgeFusion：能够在资源受限的移动设备上快速生成与文本描述相匹配的高质量图像
新技术

来自韩国Nota AI和三星电子的研究人员推出EdgeFusion，它能够在资源受限的移动设备...
2024-04-20 204
3D重建模型MeshLRM：基于LRM的方法，能够从极少量的输入图像（仅需四张）快速重建出高质量的3D网格模型
新技术

来自加州大学圣地亚哥分校和Adob​​e的研究人员推出大型3D重建模型MeshLRM，这是一...
2024-04-20 268
新型文本到音频生成模型Tango 2：提高音频生成的质量和与文本的匹配度
新技术

新加坡科技设计大学和密歇根大学的研究人员推出新型文本到音频生成模型Tango 2，它...
2024-04-17 274
基于指令的高质量图像编辑数据集HQ-Edit
新技术

加州大学圣克鲁斯分校的研究人员推出高质量数据集HQ-Edit，它专门用于基于指令的图...
2024-04-17 384
Video2Game：自动将现实世界的视频转化为真实且具备交互性的游戏环境
新技术

来自伊利诺伊大学厄巴纳-香槟分校、上海交通大学和康奈尔大学的研究人员推出Video2...
2024-04-17 302
字节跳动推出数据集COCONut，专门针对图像分割任务
新技术

字节跳动推出数据集COCONut，它是对现有的COCO数据集的现代化升级，专门针对图像分...
2024-04-15 328
Scaling (Down) CLIP：从数据、架构和训练策略三个维度对CLIP进行了详细探究
新技术

来自加州大学圣克鲁斯分校和Google Deepmind的研究人员发布论文探讨如何有效地缩减...
2024-04-15 234
图像分割技术OpenTrans：提高开放词汇表分割（OVS）的效率
新技术

来自北京交通大学和西蒙菲莎大学的研究人员推出OpenTrans，它旨在提高开放词汇表分...
2024-04-12 262
ControlNet++：通过显式优化生成图像与条件控制之间的像素级循环一致性，来改进可控生成过程
新技术

中佛罗里达大学计算机视觉研究中心和字节跳动的研究人员推出ControlNet++，这是一...
2024-04-12 340
没有账号？注册  忘记密码？