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...
排序
新型视频编辑技术ReVideo：在视频中对特定区域进行精确的内容和运动控制编辑
北京大学深圳研究生院 、ARC实验室，腾讯 PCG和东京大学的研究人员推出新型视频编辑技术ReVideo，ReVideo的核心能力是在视频中对特定区域进行精确的内容和运动控制编辑。这意味着用户可以随心...
MaPa：根据文本描述为3D模型生成逼真的材质
来自浙江大学、蚂蚁集团和深圳大学的研究人员推出MaPa，它能够根据文本描述为3D模型生成逼真的材质。与传统的纹理贴图不同，MaPa通过生成程序化的材质图（material graphs）来表示3D模型...
专为人体图像动画设计的大规模高质量数据集HumanVid：结合了精心挑选的真实世界数据和合成数据
香港中文大学和上海人工智能实验室的研究人员推出HumanVid，它旨在揭开用于生成逼真人物视频动画的训练数据的神秘面纱。HumanVid是首个为人物图像动画量身定制的大规模、高质量的数据集，它结合了精...
新型图像超分辨率技术S3Diff：让模糊的低分辨率图片变清晰
中山大学深圳校区网络科学与技术学院、南洋理工大学S实验室和华为诺亚方舟实验室的研究人员推出新型图像超分辨率技术S3Diff ，简单来说，这是一种能让模糊的低分辨率图片变清晰的方法。研究团队引入了一种新...
新型文生图模型的微调算法SPIN-Diffusion
SPIN-Diffusion是一种新型文生图模型的微调算法。这个算法特别适用于那些只有单个图像与文本提示（prompt）相关联的数据集，它通过一种自我博弈（self-play）的机制，让模型不断地与自...
20B 与 120B 模型上线！Ollama 一键运行 OpenAI 最新开源模型gpt-oss
Ollama 宣布与 OpenAI 合作，将后者最新发布的开放权重模型 gpt-oss-20b 和 gpt-oss-120b 正式引入其平台。 这是 OpenAI 自 GPT-2 以来首批开放权重语言...
新型图像压缩技术CMC（模态压缩）：利用大型多模态模型来实现图像到文本再到图像的转换，从而在保持图像质量的同时，大幅度减小图像的大小
上海交通大学和南洋理工大学的研究人员推出一种新型的图像压缩技术“跨模态压缩”（Cross Modality Compression，简称CMC）。这项技术的核心思想是利用大型多模态模型（Large M...
虚拟试衣系统IMAGDressing-v1：帮助用户在线上购物时，更真实地预览服装在不同人身上的效果
南京理工大学、华为、 腾讯人工智能实验室和南京大学的研究人员推出可定制的虚拟试衣系统IMAGDressing-v1，这个系统可以帮助用户在线上购物时，更真实地预览服装在不同人身上的效果。IMAGDre...
Stable Diffusion百科小知识，版本差异、整体架构和工作原理
Stable Diffusion 是一种基于深度学习的图像生成模型，它属于扩散模型（Diffusion Models）的范畴。扩散模型是一种生成模型，它通过逐步向数据中添加噪声（扩散过程）来学习数据的...
Follow-Your系列新框架Follow-Your-Emoji：基于扩散模型的肖像动画框架，生成富有表现力的表情动画
来自香港科技大学、腾讯混元团队和清华大学的研究团队推出Follow-Your系列新框架Follow-Your-Emoji，这是一种基于扩散模型的肖像动画框架。简单来说，它可以根据一系列目标表情和动作标...
虚拟脱衣TryOffAnyone：从穿着服装的人身上生成高保真平铺服装图像
多伦多大学和帕特雷大学的研究人员推出TryOffAnyone，这是一个从穿着服装的人身上生成高保真平铺服装图像的技术。这项技术对于时尚行业来说非常重要，因为它可以增强在线购物体验，提供个性化推荐、服装...
