新技术

新型图像生成模型EMMA：能够接受多模态提示，并生成高质量的图像

基准测试CommonsensenT2I：用于评估文生图模型（T2I）生成符合现实生活常识的图像的能力

Adobe推出Toffee：用于主题驱动的文本到图像生成的高效数据集构建方法

新型图像压缩技术CMC（模态压缩）：利用大型多模态模型来实现图像到文本再到图像的转换，从而在保持图像质量的同时，大幅度减小图像的大小

扩散模型中“幻觉”（hallucinations）现象：生成了一些在训练数据中从未出现过的样本

文生图模型偏好优化方法MaPO（边界感知偏好优化）：让计算机在学习生成图像时，能够更好地符合人类的偏好

OPPO推出多步潜在一致性模型MLCM：用于加速生成图像

建立在多模态大语言模型基础上的统一文本到图像生成和检索框架TIGeR

新型图像生成模型家族LlamaGen：将大语言模型（Llama）应用到视觉图像生成领域

图生图新技术pOps：将图像和文本转换为可以相互理解的格式，更好的生成图像

新型文本到视频生成框架VideoTetris：专门设计来解决现有方法在处理复杂场景（如多对象或对象数量动态变化的长视频）生成时面临的挑战

单前向视频生成模型SF-V：通过一次前向传播快速生成高质量、运动连贯的视频