ControlNet++：通过显式优化生成图像与条件控制之间的像素级循环一致性，来改进可控生成过程
中佛罗里达大学计算机视觉研究中心和字节跳动的研究人员推出ControlNet++，这是一种新方法，通过显式优化生成图像与条件控制之间的像素级循环一致性，来改进可控生成过程。具体来说，对于给定的条件控制...
排序
新型图像生成模型DiMR：通过多分辨率处理和时间依赖的层归一化技术，有效地提高了图像的质量和真实感，减少了失真
字节跳动、约翰霍普金斯大学和威斯康星大学麦迪逊分校的研究人员推出新的图像生成模型DiMR（Distortion-reduced Multi-Resolution Diffusion Model），此模...
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
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 Agent Assistance and Language Augmentation for Vide...
视频插帧新技术ZeroSmooth：提升预训练视频扩散模型生成高帧率视频的能力，而无需额外的训练数据和参数更新
中国科学院大学人工智能学院、中国科学院自动化研究所模式识别新实验室和腾讯AI实验室的研究人员推出ZeroSmooth，它能够提升预训练视频扩散模型生成高帧率视频的能力，而无需额外的训练数据和参数更新...
Multi-LoRA Composition：不经过训练直接融合多个 Lora 不损失效果
来自伊利诺伊大学香槟分校和微软公司的研究人员公开了多LoRA组合来生成图像的项目。简单来说，LoRA是一种可以让文本生成图像模型更准确地呈现特定元素（如独特的字符、风格或服装）的技术。论文探讨了如何更...
零样本多模态高保真3D人体纹理生成模型TexDreamer：快速地从文本或图像中生成高保真3D人体纹理
来自上海大学、腾讯优图实验室、上海交通大学和复旦大学的研究团队推出首个零样本多模态高保真3D人体纹理生成模型TexDreamer，采用高效的纹理适应微调策略，将大型T2I（文生图）模型与语义UV结构相...
小冰推出Portrait4D-v2：创建出逼真的4D头部头像
小冰推出Portrait4D-v2，它能够创建出逼真的4D头部头像。4D头像不仅具有三维的立体形状，还能随着时间变化而展示出不同的面部表情和头部动作，就像活生生的人一样。这项技术的应用前景非常广泛，比...
通义千问视觉理解模型 Qwen-VL升级版：Qwen-VL-Plus、Qwen-VL-Max
阿里云宣布通义千问视觉理解模型 Qwen-VL 再次升级，继 Plus 版本之后推出 Max 版本，升级版模型拥有更强的视觉推理能力和中文理解能力，能够根据图片识人、答题、创作、写代码，并在多个权威测...
新型视频超分辨率（VSR）技术EvTexture：通过挖掘事件数据中的高频细节，从而提高视频的分辨率和质量
中国科学技术大学和合肥国家科学中心人工智能研究院的研究人员推出新型视频超分辨率（VSR）技术EvTexture，这项技术的核心在于利用事件驱动的信号来增强视频中的纹理细节，从而提高视频的分辨率和质量...
一维（1D）标记化技术TiTok：用极少的标记（tokens）来表示和生成高分辨率图像
字节跳动和慕尼黑工业大学的研究人员推出新型图像表示方法TiTok，它通过一种新颖的一维（1D）标记化技术，用极少的标记（tokens）来表示和生成高分辨率图像。这种方法与传统的二维（2D）图像标记化方...
韩国团队提出文生图大模型KOALA：可在低端GPU电脑上运行
韩国研究人员提出了一种高效的潜在扩散模型KOALA，该模型可以用于文本到图像的生成，研究人员构建了T2I模型KOALA-1B和KOALA-700M，减小了模型大小，降低了模型对硬件的需求，提高了模型运...
FontStudio系统：为多语言字体生成文字特效，创造具有艺术感的字体效果
微软亚洲研究院和利物浦大学推出FontStudio系统，它是一个基于现代扩散模型的文本到图像生成系统，专门用来创造具有艺术感的字体效果。例如，你想在电脑上设计一个独特的字体，比如让字母'A'看起来像一...
