零样本（Zero-Shot）定制化图像生成新方法Diffusion Self-Distillation
斯坦福大学的研究人员推出Diffusion Self-Distillation，这是一种基于扩散模型的技术，用于零样本（Zero-Shot）定制化图像生成。这种方法可以在不需要额外推理阶段训练的情况下...
排序
CAT4D：用于从单目视频创建4D（动态3D）场景
Google DeepMind、哥伦比亚大学和加州大学圣地亚哥分校的研究人员推出创新技术CAT4D，用于从单目视频创建4D（动态3D）场景。CAT4D利用多视图视频扩散模型，结合多种数据集进行训练，以...
Free^2Guide：无梯度框架提升文本到视频（T2V）生成中的文本对齐
扩散模型在文本到图像（T2I）和文本到视频（T2V）合成等生成任务中取得了显著成果。然而，在T2V生成中，实现准确的文本对齐仍然是一个具有挑战性的问题，尤其是在处理帧间复杂的时序依赖性时。现有的基于强...
ROICtrl：通过区域实例控制增强扩散模型的多实例生成
自然语言在描述复杂场景时，尤其是在准确地将位置和属性信息与多个实例关联方面，常常遇到困难。这限制了当前基于文本的视觉生成模型，使其只能生成包含少数主导实例的简单组合。为了解决这一限制，新加坡国立大学...
无需训练的视频细化框架VideoRepair：自动识别和修复文生视频模型生成中的细粒度不对齐问题
最近的文生视频模型在生成高质量视频方面取得了显著进展，但这些模型生成的视频往往与文本提示存在不对齐的情况，尤其是在处理包含多个对象和属性的复杂场景时。为了解决这一问题，北卡罗来纳大学教堂山分校的研究人...
个性化面部老化方法MyTimeMachine：根据个人特定的照片集合来训练一个个性化的年龄转换模型，实现从儿童到老年的个性化面部年龄变化
面部老化是一个复杂的过程，受到多种因素的影响，如性别、种族、生活方式等。尽管现有的面部老化技术能够生成逼真的老化图像，但它们通常无法准确预测特定个体的老化过程，因为这些技术缺乏个性化处理。为了克服这一...
ViewExtrapolator：于在新视角合成领域中进行新视角外推
南洋理工大学和中国科学院大学的研究人员推出一个名为ViewExtrapolator的新方法，它用于在新视角合成（novel view synthesis, NVS）领域中进行新视角外推（novel v...
适用于FLUX 和 SD3.5模型的新采样器Style-Friendly SNR：更好地捕捉独特的风格，并生成风格对齐度更高的图像
近年来，大型扩散模型在生成高质量图像方面取得了显著进展。然而，这些模型在学习新的、个性化的艺术风格方面存在困难，这限制了独特风格模板的创建。传统的微调方法通常盲目地利用预训练中使用的目标和噪声水平分布...
用于类别无关的姿态估计新型框架EdgeCape
特拉维夫大学的研究人员推出新型框架EdgeCape，它用于类别无关的姿态估计（Category-Agnostic Pose Estimation, CAPE）。EdgeCape能够通过单一模型在多样化...
FIND3D模型：在开放世界环境中对3D对象的任何部分进行语义分割
加州理工学院的研究人员推出FIND3D模型，它能够在开放世界环境中对3D对象的任何部分进行语义分割。这意味着FIND3D可以基于任何文本查询，对任何对象的任何部分进行分割。这项技术在机器人技术、虚拟现...
新型框架SplatFlow：用于3D高斯绘制（3DGS）的合成和编辑
Twelvelabs和韩国科学技术研究院的研究人员推出新型框架SplatFlow，它用于3D高斯绘制（3D Gaussian Splatting，简称3DGS）的合成和编辑。SplatFlow通过结合...
新型故事视频生成框架DreamRunner：根据文本脚本生成长篇、多动作、多场景的视频，适用于CogVideoX模型
故事讲述视频生成（SVG）是一项旨在从文本脚本创建长时间、多动作、多场景视频的任务。这种技术在媒体和娱乐领域的内容创作中具有巨大潜力，但同时也面临着诸多挑战，包括但不限于： 物体需要展示一系列精细、复...
