从单张图片生成3D场景的新型框架MIDI
北京航空航天大学、VAST、清华大学和香港大学的研究人员推出新型框架MIDI（Multi-Instance Diffusion），它用于从单张图片生成3D场景。这项技术的核心在于将预训练的图像到3D对...
排序
One Shot, One Talk：从单张图像构建全身说话虚拟形象
中国科学技术大学和香港理工大学的研究人员提出了一种名为One Shot, One Talk的新颖流程，旨在解决从单张图像构建全身说话虚拟形象的挑战。该方法解决了两个关键问题：1）复杂的动态建模；2）对...
新型多视图生成新视角合成（NVS）模型NVComposer
香港中文大学、腾讯PCG ARC实验室和北京大学的研究人员推出新型多视图生成新视角合成（NVS）模型NVComposer，它能够从少量未对准的稀疏图像中生成新视角的视图，而无需依赖外部的多视图对齐过程...
Imagine360框架：能够将标准透视视频转换为360°全景视频
香港中文大学、上海交通大学、南洋理工大学和上海人工智能实验室的研究人员推出Imagine360框架，它能够将标准透视视频转换为360°全景视频，从而为用户提供全方位的沉浸式视频体验。Imagine36...
SNOOPI：提高一步式（one-step）文生图模型的稳定性和控制能力
VinAI Research和越南邮电技术学院的研究人员提出了SNOOPI，这是一个旨在解决现有一步骤扩散模型局限性的新颖框架。SNOOPI通过增强训练和推理过程中的指导，解决了现有一步式扩散模型在处...
多服装虚拟试穿技术AnyDressing：能够根据任何组合的服装和个性化文本提示来定制角色形象
字节跳动和清华大学的研究人员提出了一种名为AnyDressing的新方法，专注于解决多服装虚拟试衣任务中的挑战，这项技术特别适用于需要在多种场景和服装组合中保持服装细节的同时，还要忠实于文本提示的应用...
数据增强方法MaskRIS：用于改进指代表像分割任务的性能
延世大学、NAVER AI LAB和韩国科学技术研究院的研究人员推出一种新的数据增强方法，名为MaskRIS（Masked Referring Image Segmentation），它用于改进指代表...
Motion Prompting框架：通过动轨迹控制视频生成
Google DeepMind、密歇根大学和布朗大学的研究人员推出一个名为“Motion Prompting”的框架，它用于控制视频生成中的动作轨迹。该框架通过使用运动轨迹作为条件信号，来生成具有特定...
新型框架OmniCreator：能够进行自我监督的统一生成和编辑，涵盖图像和视频
Everlyn AI、香港科技大学、佛罗里达大学和密歇根州立大学的研究人员推出新型框架OmniCreator，它能够进行自我监督的统一生成和编辑，涵盖图像和视频。OmniCreator通过利用原始的文...
新型多镜头视频生成框架VGoT：专门针对多镜头视频生成任务设计
香港科技大学、北京大学、香港大学、新加坡国立大学、中佛罗里达大学和Everlyn Al的研究人员推出新型多镜头视频生成框架VGoT，旨在解决从简短的用户输入脚本生成多镜头、电影风格视频的挑战，通过一个...
新型框架ZipAR：用于加速自回归（AR）视觉生成模型的图像生成过程
浙江大学、上海人工智能实验室和阿德莱德大学的研究人员推出新型框架ZipAR，它用于加速自回归（Auto-Regressive，AR）视觉生成模型的图像生成过程。ZipAR的核心思想是利用图像的空间局部...
字节推出新型视觉自回归（VAR）模型Infinity：根据语言指令生成高分辨率、逼真的图像
字节跳动的研究团队提出了一种名为Infinity的新方法，该方法在位级标记预测框架下重新定义了视觉自回归（VAR）模型，能够根据语言指令生成高分辨率、逼真的图像。Infinity通过引入无限词汇标记器...
