用于视频合成的交互式工具Image Conductor：让用户对视频内容中的相机运动和对象移动进行精细且准确的控制
北京大学、腾讯PCG ARC实验室、南洋理工大学、 清华大学、澳门大学和深圳先进技术研究院的研究人员推出Image Conductor，它是一种用于视频合成的交互式工具，能够让用户对视频内容中的相机运...
排序
视频合成模型后续调优方法ExVideo：提升模型生成视频的长度和质量
华东师范大学和阿里巴巴的研究人员推出新型视频合成模型扩展方法ExVideo，这种方法旨在通过参数高效的方式对现有的视频合成模型（Stable Video Diffusion）进行后期调整（post-t...
图像高清修复技术SUPIR：将低质量图像提升到高质量水平
来自中国科学院深圳先进技术学院、上海AI实验室、悉尼大学、香港理工大学、，腾讯PCG ARC实验室、香港中文大学的研究人员推出图像高清修复技术SUPIR（Scaling-UP Image Restor...
适配器样式Stylus：自动选择和组合适配器（adapters），以提高生成图像的质量
来自加州大学伯克利分校、卡内基梅隆大学和Google Deepmind的研究人员推出新的适配器样式Stylus，它能够自动选择和组合适配器（adapters），以提高生成图像的质量。适配器是一种在特定...
Adobe推出图像生成模型Firefly Image 3：逼真度、造型能力、细节和精确度方面均取得了显著进步
Adobe在昨天的Adobe Max大会上正式发布了图像生成模型Firefly Image 3。这款模型在逼真度、造型能力、细节和精确度方面均取得了显著进步，同时提供了更加丰富的多样性，为创意人士带来...
全新生成模型StableIdentity：只需一张人脸照片，快速生成不同风格的人物照片、视频
来自大连理工大学、ZMO AI的研究人员提出了一种全新的图像、视频和3D定制生成模型StableIdentity，它能够将任何人的面部特征稳定地融入到各种不同的场景中。这项技术的核心在于，它能够通过一...
弱监督方法CatLIP：用于在互联网规模的图像-文本数据上预训练视觉模型
苹果推出新颖的弱监督方法CatLIP（Categorical Loss for Image-text Pre-training），旨在提高图像和文本数据集上的视觉模型预训练效率，同时保持与现有的对比学...
新型图像抠图技术Matting by Generation：能够生成更高分辨率和细节丰富的抠像结果
东京大学、合肥大学、Snap Research、阳明大学、香港中文大学、台湾大学和日本国立信息研究所的研究人员推出新型图像抠图技术Matting by Generation，图像抠图是指从一幅图片中精...
多概念定制技术MultiBooth：根据用户的文本描述生成包含多个特定元素的图像
清华大学和Meta的研究人员推出新颖且高效的多概念定制技术MultiBooth，此技术用于从文本生成图像时实现多概念定制。简单来说，MultiBooth能够根据用户的文本描述生成包含多个特定元素的图像...
LaVi-Bridge：将不同的语言模型和生成视觉模型结合起来，用于文生图
来自香港大学、香港中文大学、香港科技大学的研究团队推出LaVi-Bridge，它能够将不同的语言模型和生成视觉模型结合起来，用于文本到图像的生成任务。通过利用LoRA和适配器技术，LaVi-Bridg...
AI视频生成新框架Motion-I2V：让用户通过简单的轨迹绘制或区域选择来控制生成的视频内容
来自NVIDIA AI、香港中文大学、商汤科技、清华大学、CPII、上海人工智能实验室、Avolution AI的研究人员推出图像到视频生成（I2V）新框架Motion-I2V，它是一个用于将静态图片...
通用反馈学习架构ID-Aligner：用于提升文本到图像生成任务中的身份保持性能
来自中山大学和字节跳动的研究人员推出通用反馈学习架构ID-Aligner，它用于提升文本到图像生成（Text-to-Image Generation）任务中的身份保持（Identity-Preserv...
