TransAgent 框架：提升视觉-语言基础模型（比如CLIP）在新领域中的泛化能力
新技术

中国科学院深圳先进技术研究院、中国科学院大学、上海人工智能实验室和上海交通大...
2024-10-21 130
条件对比对齐CCA：提升自回归（AR）视觉生成模型的样本质量
新技术

无分类器引导（CFG）是提高视觉生成模型样本质量的关键技术。然而，在自回归（AR）...
2024-10-21 134
用于生成同步语音体态手势视频的框架 TANGO：把新的语音和已有的视频动作结合起来，生成高保真的、与语音同步的身体手势视频
新技术

东京大学和Cyber​​Agent 人工智能实验室的研究人员推出了一个用于生成同步语音体态...
2024-10-21 126
Fluid: 基于连续令牌和随机顺序生成的文生图模型
新技术

在视觉领域，自回归模型的扩展并没有像在大语言模型中那样取得显著的成功。为了探...
2024-10-20 134
图上下文感知扩散模型InstructG2I：根据多模态属性图（MMAGs）生成图像
新技术

多模态属性图（MMAGs）作为一种强大的数据结构，能够以图的形式表示实体之间的关系...
2024-10-13 190
图像编辑新方法DICE：用于改进离散扩散模型在可控编辑任务中的性能
新技术

罗格斯大学、麻省理工学院-IBM Watson AI 实验室、谷歌 DeepMind、NEC 美国实验室...
2024-10-12 184
FSC-CLIP：提升预训练视觉和语言模型（VLMs）在理解图像和文字组合任务上的能力，同时保持在多模态任务上的性能
新技术

韩国科学技术院、世宗大学和汉阳大学的研究人员推出FSC-CLIP，提升预训练视觉和语...
2024-10-12 180
长视频生成新方法PA-VDM：现有的模型可以自然地扩展为自回归视频扩散模型，而无需改变架构
新技术

石溪大学和Adob​​e 研究中心的研究人员推出长视频生成新方法PA-VDM，它能够生成高...
2024-10-12 212
基于Transformer架构的新型图像生成模型DART：根据文本描述生成高质量的图像
新技术

苹果和香港中文大学的研究人员推出新型图像生成模型DART，这个模型的目标是让计算...
2024-10-12 188
BroadWay：提升文生视频模型的质量，而且不需要额外的训练
新技术

上海交通大学、中国科学技术大学、香港中文大学和上海人工智能实验室的研究人员推...
2024-10-11 310
视频插值方法ViBiDSampler：专门用于在两个关键帧之间生成平滑且逼真的中间帧，从而创建流畅的视频过渡效果
新技术

韩国科学技术研究院推出视频插值方法ViBiDSampler，这种方法专门用于在两个关键帧...
2024-10-11 158
一种在推理阶段组合定制扩散模型的新方法TweedieMix：用于改进多概念融合在基于扩散的图像和视频生成中的应用
新技术

KRAFTON和韩国科学技术研究院AI研究生院的研究人员推出一种在推理阶段组合定制扩散...
2024-10-11 158
没有账号？注册  忘记密码？