在文生图模型中应用Guidance技术的方法
来自阿尔托大学和英伟达的研究人员发布论文探讨了在文生图模型中应用指导（Guidance）技术的方法，作者通过实验表明，限制指导区间的方法在ImageNet-512数据集上将FID（一种衡量图像质量的指...
排序
Python安装教程
在《必备软件》已经跟大家说了，目前多数AI应用都是使用Python编写，Python版本众多，大家要根据所安装程序所需版本来进行安装。 Python官网：https://www.python.org...
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...
语音驱动人脸说话生成框架AVCT
来自网易伏羲AI实验室、悉尼科技大学的研究人员推出了从单人音频生成单人说话脸部的框架Audio-Visual Correlation Transformer (AVCT)，它能够从单个说话者的音频-视...
新型图像生成模型FiT:基于Transformer架构，可以生成无限制分辨率和长宽比的图像
FiT（Flexible Vision Transformer）是一款新型图像生成模型，基于Transformer架构，旨在生成具有无限制分辨率和长宽比的图像。 GitHub 论文 模型 传统的图像生...
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...
新型视频深度估计方法DepthCrafter：为开放世界（即不受限制、多样化的现实世界场景）的视频生成时间上连贯、细节丰富的深度序列
腾讯人工智能实验室、香港科技大学和腾讯 PCG ARC 实验室的研究人员推出新型视频深度估计方法DepthCrafter，能够为开放世界（即不受限制、多样化的现实世界场景）的视频生成时间上连贯、细节丰...
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...
英伟达GeForce RTX 4090 D
对于AI绘画来说，其实最具“性价比”的显卡就是英伟达RTX 4090，作为英伟达民用顶级显卡，目前可运行绝大多数已开源的AI应用，以至于美国政府都对RTX 4090采取了限制措施，那就是无法出口到中国...
独特视角SDXL Lora：Head POV
Head POV是一个视角SDXL Lora，这一视角的独特之处在于，它是以动物的后脑勺为观察点。尽管初版模型训练数据相对较少，可能导致生成的图片并不完美，但作者已经计划扩充数据集，并对图像位置信息进...
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...
