谷歌推出基于问答的自动评估指标Gecko，用于评估文生图模型的性能
新技术

谷歌推出基于问答的自动评估指标Gecko2K，用于评估文生图模型的性能。文生图模型生...
2024-04-27 290
采样调节器AlignYouSteps：优化采样步骤，从而提高生成图像的细节和质量
新技术

英伟达、多伦多大学和矢量研究所的研究人员推出新的采样调节器AlignYouSteps（调整...
2024-04-25 460
无需调整的高分辨率框架HiDiffusion：只需添加一行代码即可提高扩散模型（Stable Diffusion）在生成高分辨率图像方面的能力和效率
新技术

旷视科技与字节跳动的研究人员推出新型框架HiDiffusion，只需添加一行代码即可提高...
2024-04-24 344
微软推出小型语言模型Phi-3系列：可在手机端运行的大模型
新技术

微软推出小型语言模型Phi-3系列，它在性能上可以与一些大型模型相媲美，如Mixtral ...
2024-04-24 226
虚拟服装试穿技术IDM-VTON：根据一个人的图片和一件衣服的图片，生成这个人穿上这件衣服的图像
新技术

来自韩国科学技术院和OMNIOUS.AI的研究人员推出虚拟服装试穿技术IDM-VTON，该技术...
2024-04-24 298
多概念定制技术MultiBooth：根据用户的文本描述生成包含多个特定元素的图像
新技术

清华大学和Meta的研究人员推出新颖且高效的多概念定制技术MultiBooth，此技术用于...
2024-04-23 358
腾讯推出多模态基础模型SEED-X：结合视觉和语言理解的能力，可以处理和生成各种类型的数据，包括图像和文本
新技术

腾讯AI实验室和ARC实验室共同开发的多模态基础模型SEED-X，这是一个先进的人工智能...
2024-04-23 267
基于物理的交互式3D对象动态生成方法PhysDreamer：利用视频生成技术实现与3D物体进行物理交互
新技术

来自麻省理工学院、斯坦福大学、 哥伦比亚大学和康奈尔大学的研究人员推出PhysDrea...
2024-04-22 218
多模态大语言模型Groma：具备精细化和定位化的视觉感知能力
新技术

来自香港大学和字节跳动的研究人员推出多模态大语言模型Groma，它具备精细化和定位...
2024-04-22 370
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...
2024-04-22 242
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...
2024-04-21 320
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），...
2024-04-20 362
没有账号？注册  忘记密码？