SSAM 2增强版SAMURAI：专门设计用于视觉物体跟踪
新技术

Segment Anything Model 2 (SAM 2) 是一个在物体分割任务中表现出色的模型，但在视...
2024-11-21 152
SageAttention2：适用于即插即用推理加速的精确4位注意力机制
新技术

尽管线性层的量化技术已经广泛应用于深度学习模型中，但在加速注意力机制方面的应...
2024-11-21 86
ITACLIP：通过图像、文本和架构增强提升无需训练的语义分割
新技术

近年来，基础视觉语言模型（VLMs）的发展彻底改变了计算机视觉领域的研究方向。这...
2024-11-21 90
CSpD：用于加速自回归图像生成模型的推理过程
新技术

中国科学院大学、中国科学院自动化研究所和中国铁塔的研究人员介绍了一种名为“Cont...
2024-11-21 76
新型推理加速技术SmoothCache：提高DiT模型在不同模态（如图像、视频和语音合成）任务中的推理效率
新技术

DiT架构因其强大的生成能力而在图像、视频和语音合成等多个领域展现出巨大潜力。然...
2024-11-21 90
视频编辑方法STABLEV2V：解决视频编辑中形状一致性问题
新技术

中国科学技术大学的研究人员推出视频编辑方法STABLEV2V，旨在解...
2024-11-21 80
新型虚拟试穿技术FitDiT：专为优化DiT模型的虚拟试穿性能而设计
新技术

尽管基于图像的虚拟试穿技术已取得显著进展，但在生成高保真度和适应性强的拟合图...
2024-11-21 82
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...
2024-11-21 78
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...
2024-11-21 74
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...
2024-11-21 92
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...
2024-11-20 92
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。...
2024-11-19 82
没有账号？注册  忘记密码？