视觉语言模型CoLLaVO：提高视觉语言模型在零样本视觉语言任务中的性能
新技术

韩国研究人员推出视觉语言模型CoLLaVO（Crayon Large Language and Vision mOdel...
2024-02-21 540
神经网络扩散（Neural Network Diffusion）：利用扩散模型来生成高性能的神经网络参数
新技术

来自新加坡国立大学、Meta AI和加州大学伯克利分校的研究人员提出了一种名为“神经...
2024-02-21 581
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...
2024-02-21 510
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++...
2024-02-21 389
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...
2024-02-21 296
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...
2024-02-21 434
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...
2024-02-21 341
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...
2024-02-21 329
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...
2024-02-21 507
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...
2024-02-20 489
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...
2024-02-20 557
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...
2024-02-20 457
没有账号？注册  忘记密码？