轨迹条件文本到4D生成方法TC4D：根据文本描述和一条轨迹生成动态的三维场景
来自多伦多大学、Vector Institute、Snap、香港中文大学、斯坦福大学、香港大学、密歇根大学和 Google DeepMind的研究团队推出轨迹条件文本到4D生成方法TC4D（Traje...
排序
腾讯推出创新框架AniPortrait：根据音频和一张参考肖像图片生成高质量的动画
腾讯推出创新框架AniPortrait，它可以根据音频和一张参考肖像图片生成高质量的动画。这个系统可以捕捉到音频中的微妙表情和唇部动作，并将这些动作应用到一个静态的肖像图片上，从而创建出看起来像是在说...
Meta推出新型框架OPT2I：通过优化文本提示（prompt）来提高文生图模型的图像与输入提示的一致性
Meta推出新型框架OPT2I，它旨在通过优化文本提示（prompt）来提高文本到图像（T2I）生成模型的图像与输入提示的一致性。尽管现有的T2I模型能够生成高质量和逼真的图像，但它们在确保生成的图像...
基于两阶段高斯溅射的3D模型DreamPolisher：基于文本描述生成三维（3D）对象
来自牛津大学的研究人员推出DreamPolisher，它是一种基于文本描述生成三维（3D）对象的方法。这是一种基于两阶段高斯溅射的方法，该方法强制各视图之间的几何一致性。首先，通过几何优化对粗略的3D...
实时渲染技术Octree-GS：用于实时渲染三维场景，特别适用于处理大型和复杂场景
来自上海人工智能实验室、同济大学、中国科学技术大学和香港中文大学的研究团队推出Octree-GS（八叉树-高斯球体），这是一种用于实时渲染三维场景的方法，特别适用于处理大型和复杂场景。 项目主页 Gi...
2DGS：从多视角图像重建和渲染三维场景
来自上海科技大学和图宾根大学的研究团队推出2D Gaussian Splatting（2DGS），它是一种用于从多视角图像重建和渲染三维场景的方法。 项目主页 论文 2DGS的核心思想是将3D体积简化...
FlashFace：允许用户通过提供一张或几张参考面部图像和文本提示来个性化他们的照片
来自香港大学、阿里和蚂蚁的研究团队推出FlashFace，它允许用户通过提供一张或几张参考面部图像和文本提示来个性化他们的照片。 项目主页：https://jshilong.github.io/fla...
Bounded Attention：解决文生图模型在生成包含多个主题（subjects）的图像时遇到的挑战
来自特拉维夫大学和Snap的研究人员推出Bounded Attention，它旨在解决文生图模型在生成包含多个主题（subjects）的图像时遇到的挑战。这些模型通常难以准确地捕捉到复杂输入提示中的意...
新型图像到视频扩散模型TRIP：专注于将静态图像转换为动态视频
来自中国科学技术大学和HiDream.ai的研究人员推出新型图像到视频扩散模型TRIP（Temporal Residual Learning with Image noise Prior），它专注于将...
新型实时一步潜在扩散模型SDXS：在图像生成任务中显著提高效率，同时保持图像质量
小米推出新型实时一步潜在扩散模型SDXS，它能够在图像生成任务中显著提高效率，同时保持图像质量。SDXS模型通过模型小型化和减少采样步骤的双重方法，显著降低了模型的延迟，使其能够在低功耗设备上实时生成...
文本到3D生成模型VP3D：通过利用2D视觉提示来增强3D模型的视觉真实感
来自HiDream.ai和复旦大学的研究人员推出新型文本到3D生成模型VP3D，它通过利用2D视觉提示来增强3D模型的视觉真实感。在以往的研究中，虽然已经有了一些能够从文本生成3D模型的技术，但这些技...
自回归技术StreamingT2V：能够创建具有丰富运动动力学的长视频，不会出现停滞现象
来自Picsart AI研究部门、得克萨斯大学奥斯汀分校、佐治亚理工学院和伊利诺伊大学厄巴纳-香槟分校的研究团队推出先进的自回归技术StreamingT2V，能够创建具有丰富运动动力学的长视频，不会出...
