全新文生图框架RealCompo：结合SD1.5模型与GLIGEN模型的优势来提高生成图像的质量
新技术

RealCompo是一个全新的文生图框架，它旨在解决当前文生图模型在处理多对象组合生...
2024-02-21 466
神经网络架构MVDiffusion++：用于从单个或少量图像中重建3D物体
新技术

来自西蒙弗雷泽大学和Meta Reality Labs的研究人员推出神经网络架构MVDiffusion++...
2024-02-21 349
视频字幕生成模型Video ReCap：能为长达数小时的视频生成多层次的字幕
新技术

来自北卡罗来纳大学教堂山分校和 Meta AI的研究人员推出视频字幕生成模型Video Re...
2024-02-21 248
视频编码器VideoPrism：能够处理多种视频理解任务，如分类、定位、检索、字幕生成和问答
新技术

来自谷歌的研究人员推出视频编码器VideoPrism，它是一个通用的视频理解模型，能够...
2024-02-21 386
新型神经网络渲染技术Joint-TensoRF：使用2D图像作为监督，实现相机姿态和场景几何的精细调整
新技术

来自中国台湾阳明交通大学的研究人员推出新型神经网络渲染技术Joint-TensoRF，提...
2024-02-21 289
FlashTex：使用LightControlNet实现快速可重新照明的网格纹理生成
新技术

来自Roblox、卡内基梅隆大学、斯坦福大学的研究人员推出FlashTex技术，它能够快速...
2024-02-21 283
虚拟服装试穿工具OOTDiffusion：革新你的虚拟试衣体验
新技术

OOTDiffusion是一款开源虚拟服装试穿工具，它利用潜在扩散模型（latent diffusio...
2024-02-21 459
Binary Opacity Grids：从多视角图像重建三角网格，生成高质量的视图合成
新技术

来自的谷歌的研究人员推出名为“Binary Opacity Grids”的新方法，它用于从多视角图...
2024-02-20 445
新型图像生成模型FiT:基于Transformer架构，可以生成无限制分辨率和长宽比的图像
新技术

FiT（Flexible Vision Transformer）是一款新型图像生成模型，基于Transformer架...
2024-02-20 511
文生图模型GLIGEN：用于将Stable Diffusion模型扩展为可定制模型
新技术

威斯康星大学麦迪逊分校、哥伦比亚大学和微软的研究人员推出的GLIGEN模型，用于将...
2024-02-20 417
AI视频编辑工具LAVE：利用大语言模型（LLMs）来辅助用户进行视频编辑
新技术

来自加州大学圣地亚哥分校和Meta的研究人员推出AI视频编辑工具LAVE（LLM-Powered ...
2024-02-19 583
视觉-语言适配器PaLM2-VAdapter：将传统的视觉编码器和大语言模型结合起来
新技术

PaLM2-VAdapter模型的主要目的是更有效地连接视觉编码器和大语言模型，以提高它们...
2024-02-19 564
没有账号？注册  忘记密码？