阿里通义实验室推出一个零样本、通用且交互式的视觉生成框架ChatDiT：允许用户通过自由形式的自然语言指令与系统交互，创建交织文本-图像文章、多页画册、编辑图像
新技术

近年来，预训练扩散Transformer（DiTs）在上下文生成能力方面展现了巨大的潜力，能...
2024-12-19 88
Prompt Depth Anything：利用提示释放深度基础模型潜力的新范式
新技术

在计算机视觉领域，深度估计是许多应用（如3D重建、机器人导航和增强现实）的基础...
2024-12-19 88
高度灵活的组合式时尚图像生成模型FashionComposer
新技术

在时尚设计和虚拟试穿领域，传统的图像生成方法往往受限于单一的输入模式（如仅支...
2024-12-19 78
基于视频扩散模型的上色工具AniDoc：用于自动化2D动画制作流程中的线稿着色
新技术

自动化视频线稿上色是简化动画制作流程、降低劳动力成本的关键技术。然而，传统方...
2024-12-19 104
零样本多实例视频编辑框架MIVE：能够对视频中的多个独立对象进行精确编辑，而不影响视频中的其他部分
新技术

近年来，基于人工智能的视频编辑技术取得了显著进展，用户可以通过简单的文本提示...
2024-12-19 76
Adobe推出以主题驱动的零样本视频定制新方法SUGAR
新技术

Adobe介绍了一个名为SUGAR（Subject-Driven Video Customization in a Zero-Shot M...
2024-12-19 76
视觉-语言模型加速技术FEATHER：实现了超过5倍的性能提升
新技术

最近的研究表明，尽管视觉信息被高度压缩，视觉-语言模型（VLMs）依然能在多种任务...
2024-12-19 74
通过实现空间可扩展和全景动态场景合成的创新框架DynamicScaler：用于生成高质量、可扩展的全景动态场景视频
新技术

随着对沉浸式 AR/VR 应用和空间智能需求的增加，生成高质量的场景级和 360...
2024-12-18 88
新型扩散模型框架VividFace：专门为视频换脸而设计
新技术

视频换脸技术近年来在各种应用中变得越来越流行，但现有方法主要集中在静态图像上...
2024-12-18 84
字节推出CausalFusion：基于解码器的变换器，旨在统一自回归（AR）和扩散模型的生成范式
新技术

字节跳动介绍了一个名为CausalFusion的模型，它是一个基于解码器的变换器（decoder...
2024-12-18 82
新型图像编辑方法FluxSpace：基于修正流变换器（如Flux）来实现文本引导的图像编辑
新技术

校正流模型（如 Flux）在图像生成中已成为主导方法，展示了高质量图像合成的卓越能...
2024-12-16 96
多模态音乐生成系统VMB：够从多种输入模态（如文本、图像和视频）中生成音乐
新技术

多模态音乐生成旨在从多种输入模态（如文本、视频和图像）中生成音乐。尽管现有方...
2024-12-16 96
没有账号？注册  忘记密码？