新技术

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...

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...

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...

来自香港城市大学、上海AI实验室、南洋理工大学的研究团队推出3D到3D生成方法ThemeStation，它是一个能够根据少量的示例（exemplars）生成具有一致主题的3D资源的创新方法。其追求两个...

英伟达推出新型大规模文本到3D合成系统LATTE3D，LATTE3D的关键在于构建可扩展的架构，并利用3D数据在优化过程中引入3D感知扩散先验、形状正则化和模型初始化，以确保对不同和复杂的训练提示具有...

来自南京大学、复旦大学和阿里巴巴的研究团队推出一种用于创建人物图像动画的新方法Champ，该方法利用潜在扩散框架内的3D人体参数模型来强化当前人体生成技术中的形状对齐和运动引导。例如，你有一张静态的照...

牛津大学视觉几何小组推出DragAPart，它接收一张图片和一系列拖动操作作为输入，能够生成该物体在新状态下的新图片，且新图片与拖动操作所表达的动作相匹配。与先前主要关注物体重新定位的工作不同，Dra...

英伟达推出新型的视频生成模型内容-运动潜在扩散模型（Content-Motion Latent Diffusion Model，简称CMD），这个模型是为了解决现有视频生成技术在处理高维视频数据时所面...

韩国科学技术院推出StyleCineGAN，它能够自动从单张风景静图生成循环播放的动态图像，也就是所谓的“cinemagraph”，让普通用户和专业人士都能够轻松创建高质量的cinemagraph，无...

来自马克斯·普朗克智能系统研究所、Adob​​e和加州大学圣地亚哥分校的研究团队推出新型视频生成方法Time Reversal Fusion（时间反转融合，简称TRF），它能够控制视频内容在给定的起始...

来自滑铁卢大学、Vector研究所和Harmony.AI的研究团队推出新型视频编辑框架AnyV2V，它能够让用户根据文本提示、主题或风格等不同的输入来编辑视频。 项目主页 GitHub Demo 想象...

生数科技发布创新框架DreamReward，它专注于通过人类偏好反馈来提升从文本到3D内容生成（text-to-3D generation）的质量。它通过结合人类反馈和先进的机器学习技术，极大地提高了...