新技术

来自中国人民大学、清华大学和快手的研究人员推出新型3D生成算法MicroDreamer，它能够在大约20秒内生成高质量的3D模型，而无需任何3D数据。这项技术基于一种称为“基于分数的迭代重建”（Sco...

牛津大学的研究人员推出一种新的3D场景生成技术Invisible Stitch，这项技术的目标是生成平滑且连贯的3D场景，特别是通过深度修复（depth inpainting）来改善场景的几何一致性...

来自清华大学和上海人工智能实验室的研究人员推出运动潜在一致性模型MotionLCM，它能够实时控制人体动作的生成。这个框架通过一种称为“潜在一致性模型”（Motion Latent Consisten...

密歇根大学和Meta的研究人员推出新型框架Lightplane，它包含两个高度可扩展的组件：Lightplane Renderer和Lightplane Splatter。这两个组件专门用于处理3D神...

来自浙江大学、蚂蚁集团和深圳大学的研究人员推出MaPa，它能够根据文本描述为3D模型生成逼真的材质。与传统的纹理贴图不同，MaPa通过生成程序化的材质图（material graphs）来表示3D模型...

来自新加坡国立大学、纽约大学和字节跳动的研究人员推出用于视频密集字幕生成的先进模型PLLaVA（Pooling LLaVA），此模型的主要功能是能够理解视频中的内容，包括动作、场景、人物穿着等，并能够...

来自中山大学和字节跳动的研究人员推出通用反馈学习架构ID-Aligner，它用于提升文本到图像生成（Text-to-Image Generation）任务中的身份保持（Identity-Preserv...

字节跳动推出PuLID，它用于个性化文本到图像（Text-to-Image，简称T2I）的生成。PuLID的全称是“Pure and Lightning ID customization”，即纯粹和闪...

来自上海交通大学、腾讯优图实验室和哈尔滨工业大学的研究人员推出一个无需训练的视频运动迁移模型MotionMaster，它能够在不需要训练的情况下，实现视频中相机运动的转移。这意味着你可以将一个视频中的...

来自加州大学圣地亚哥分校和Adob​​e 研究中心的研究人员推出新的图像编辑技术Editable Image Elements for Controllable Synthesis，它允许用户对输入的...

来自马里兰大学和Adob​​e的研究人员推出新的图像和视频处理技术MaGGIe（Masked Guided Gradual Human Instance Matting），它用于实现人类图像的精确分割...

苹果推出新颖的弱监督方法CatLIP（Categorical Loss for Image-text Pre-training），旨在提高图像和文本数据集上的视觉模型预训练效率，同时保持与现有的对比学...