NumPro：增强视频大语言模型在视频时间定位任务中的表现
新技术

东南大学、马克斯普朗克信息学研究所、腾讯微信和加州大学伯克利分校的研究人员推...
8分钟前 0
新型3D生成框架GaussianAnything：根据单视图图像或文本条件生成高质量且可编辑的3D模型
新技术

新加坡南洋理工大学、上海人工智能实验室和北京大学的研究人员推出新型3D生成框架G...
2小时前 6
FlipSketch：将静态绘图转换为文本引导的草图动画
新技术

草图动画作为一种强大的视觉叙事工具，从简单的手工翻页涂鸦发展到了专业的工作室...
2小时前 4
统一的控制视频生成方法AnimateAnything：实现对视频内容的精确和一致性的操控，包括相机轨迹、文本提示和用户运动注释等多种条件
新技术

视频生成是一个复杂而多样的任务，涉及多个条件的控制，如摄像机轨迹、文本提示和...
2天前 34
RF-Solver和RF-Edit：提高校正流模型在图像和视频编辑中的反演精度
新技术

基于校正流的DiT模型，如FLUX和OpenSora，在图像和视频生成领域展示了卓越的性能。...
2天前 24
基于区域描述的精确布局组合文生图方法RAG：将复杂的场景分解为单独的区域，并为每个区域提供相应的文本描述，然后生成一张精确布局的图片
新技术

南京大学、InstantX、Liblib AI、香港科技大学与中国移动的研究团队共同提出了一种...
5天前 48
MVideo：用于生成具有精确、流畅动作的长时视频
新技术

无限光年、上海交通大学和复旦大学的研究人员推出新型框架MVideo，它专门设计用于...
6天前 50
专注于二次元角色的动画方法MikuDance：将二次元角色根据 Open Pose 姿势生成对应动画
新技术

武汉大学、阶跃星辰和字节跳动的研究人员推出MikuDance，它是一个基于扩散的动画制...
6天前 98
大规模视频动作数据集EgoVid-5M：专为第一人称视角（egocentric）视频生成而设计
新技术

阿里巴巴集团智能计算研究院、中国科学院自动化研究所、清华大学和中国科学院大学...
1周前 64
BLIP3-KALE：包含2.18亿个图像-文本对的数据集
新技术

华盛顿大学、Salesforce Research、斯坦福大学和加州大学伯克利分校推出一个包含2....
1周前 64
ParaAttention：通过上下文并行注意力机制，使用多个GPU加速FLUX和Mochi模型的推理
新技术

ParaAttention是一种创新的上下文并行注意力机制，旨在通过多个GPU加速FLUX和Mochi...
1周前 48
Autodesk推出新型3D生成模型WaLa：基于多种输入条件（如文本描述、图像、点云等）生成参数化的3D CAD模型
新技术

Autodesk推出新型3D生成模型“Wavelet Latent Diffusion (WaLa)”，它能够基于多种输...
1周前 58
没有账号？注册  忘记密码？