百科

来自华南理工、南洋理工、北理工和悉尼大学的研究人员推出TCD（Trajectory Consistency Distillation），这是一种用于加速文生图模型图像生成的微调模型。TCD的目标是提高...

Anthropic于2月25日发布了 Claude Code，这是一个用于智能体编程（agentic coding）的命令行工具。作为研究项目开发，Claude Code 为 Anthropic 的工...

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...

在一些对响应速度极为敏感的应用场景中，例如对话式 AI 或人机协同的工作流系统，语言模型的推理延迟不仅影响效率，更直接影响用户体验。 以 Llama-3.2-1B 这类小型开源模型为例，在单序列生成任...

来自谷歌和耶路撒冷希伯来大学的研究团队推出图像编辑技术ObjectDrop，专注于实现照片级别的物体移除和插入。这项技术的目标是在不违反物理规律（例如遮挡、阴影和反射）的前提下，对图像进行编辑，使得编...

来自中国人民大学、清华大学和快手的研究人员推出新型3D生成算法MicroDreamer，它能够在大约20秒内生成高质量的3D模型，而无需任何3D数据。这项技术基于一种称为“基于分数的迭代重建”（Sco...

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...

在使用Stable Diffusion进行AI绘画的时候，最常用的除了大模型应该就是LoRA模型，你知道LoRA是是什么吗？你知道LoRA技术其实最初是由微软技术人员为了解决大语言模型微调而开发的吗...

来自慕尼黑大学的研究团队推出深度模型DepthFM，它是一个用于从单目（单个摄像头）图像中快速估算深度信息的系统。简单来说，DepthFM能够通过一张照片，推断出物体与摄像头之间的距离，这对于三维场景...

来自Leonardo AI的研究人员推出ToDo（Token Downsampling），它是为了提高高分辨率图像生成的效率而设计的。这种方法主要是为了解决图像扩散模型在处理大图像时面临的时间和内存限...

韩国科学技术院和Naver的研究人员推出一种针对姿势引导的人像图像动画技术TCAN，该技术能有效抵抗姿态估计错误，并在时间维度上保持连贯。这是一个关于如何让静态图片中的人体动作起来的研究，具体来说，就...

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...