PanoDreamer：从单一图像生成360°的3D全景场景
新技术

德克萨斯 A&M 大学、Leia和马克斯普朗克信息学研究所的研究人员推出新型方法Pa...
2024-12-10 84
多事件视频生成框架MinT：根据一系列文本提示和特定的时间戳生成具有精确时间控制的视频序列
新技术

Snap Research、多伦多大学和向量研究所的研究人员推出多事件视频生成框架MinT（Mi...
2024-12-10 86
多代理协作框架GENMAC：实现复杂的文本到视频生成，特别是针对组合性文本提示的生成
新技术

香港大学、清华大学和微软研究院的研究人员推出多代理协作框架GENMAC，旨在实现复...
2024-12-10 82
图像编辑工具SwiftEdit：通过简单的文本提示实现快速的图像编辑
新技术

VinAI 研究中心、越南科技大学邮电研究所的研究人员推出图像编辑工具SwiftEdit，它...
2024-12-10 88
Golden Noise：将随机的高斯噪声转换成能够生成更高质量、与文本提示更匹配的图像的“黄金噪声”
新技术

香港科技大学（广州）、穆罕默德·本·扎耶德人工智能大学和香港浸会大学的研究人员...
2024-12-08 104
新型单步修复模型OSDFace：用于面部恢复，将低质量图片恢复成高质量面部图像
百科

上海交通大学和vivo的研究人员提出了OSDFace，这是一种新颖的单步扩散模型，旨在解...
2024-12-07 88
MEMO：用于生成富有表情的、与音频同步的说话视频的端到端音频驱动肖像动画技术
新技术

天工 AI、南洋理工大学和新加坡国立大学的研究人员提出了MEMO（Memory-Guided Emot...
2024-12-07 114
LumiNet：利用生成模型和潜在内在表示进行有效光照传输的新架构
新技术

博世和芝加哥丰田技术研究所的研究人员提出了LumiNet，这是一种创新的光照传输架构...
2024-12-07 94
端到端的训练框架Mimir：通过大语言模型增强文本到视频生成
新技术

蚂蚁集团和清华大学的研究人员提出了Mimir，这是一个端到端的训练框架，旨在解决当...
2024-12-07 92
Inst-IT：增强大型多模态模型实例级理解能力
新技术

复旦大学计算机学院、上海创新学院和华为诺亚方舟实验室的研究人员提出了Inst-IT，...
2024-12-07 84
CleanDIFT：从大规模预训练的扩散模型中提取无噪声、与时间步无关的通用特征表示
新技术

慕尼黑大学的研究人员推出一种名为CleanDIFT的新方法，用于从大规模预训练的扩散模...
2024-12-07 84
从单张图片生成3D场景的新型框架MIDI
新技术

北京航空航天大学、VAST、清华大学和香港大学的研究人员推出新型框架MIDI（Multi-I...
2024-12-07 98
没有账号？注册  忘记密码？