ReferEverything：专为视频中通过自然语言描述的概念进行分割而设计
新技术

来自卡内基梅隆大学、伊利诺伊大学香槟分校和丰田研究所的研究者们共同提出了一种...
2024-11-01 124
用于长视频生成的双速学习系统SLOWFAST-VGEN：模仿了人类大脑中慢速学习和快速学习相结合的互补学习系统
新技术

人类拥有一个独特的学习系统，它既能从普遍的世界规律中缓慢学习，也能迅速地将新...
2024-11-01 114
用于视觉配音的先进框架PersonaTalk：实现高保真和个性化的视觉配音
新技术

在音频驱动的视觉配音中，合成准确的口型同步同时保持和突出说话者的“个性”是一个...
2024-10-29 152
无需训练的新策略FasterCache：加速高质量视频生成的视频生成模型的推理
新技术

视频生成是当前 AI 领域的一个热点研究方向，特别是基于扩散模型的方法。然而，这...
2024-10-29 144
CAMI2V：引入物理约束提升文生视频模型中的相机控制精度
新技术

浙江大学计算机科学与技术学院的研究团队推出一个名为CAMI2V（Camera-Controlled I...
2024-10-28 138
新框架SCT：旨在理解和改进一致性模型
新技术

香港中文大学和卡内基梅隆大学的研究人员提出了一个名为Stable Consistency Tuning...
2024-10-27 158
交互式帧插值工具Framer：根据用户的创造力生成两个图像之间平滑过渡的帧
新技术

帧插值是生成两个图像之间平滑过渡帧的技术，广泛应用于视频处理、动画制作和内容...
2024-10-27 226
视频对象分割技术SMITE：解决视频内对象的分割问题，特别是在需要任意粒度（即对象可以被分割成不同数量的片段）的情况下
新技术

视频对象分割是一项具有挑战性的任务，每个像素必须被准确标记，并且这些标签必须...
2024-10-27 258
Midjourney 推出全新外部图像编辑功能、图像重新纹理化以及下一代AI审查系统
教程

由前 Magic Leap 工程师 David Holz 创立的 AI 图像生成初创公司Midjourney，昨晚...
2024-10-25 206
RankDPO：提高模型在遵循文本提示和视觉质量方面的表现
新技术

直接偏好优化（DPO）已成为一种强大的方法，用于将文本到图像（T2I）模型与人类反...
2024-10-25 158
多模态框架FakeShield：通过多模态大语言模型评估图像的真实性，用于检测AI及PS图片
新技术

生成式AI的快速发展为内容创作带来了巨大便利，但同时也使得图像篡改变得更加容易...
2024-10-25 172
新型多模态大语言模型PUMA：不仅能理解文本指令，还能根据这些指令创作出精细的图像，或者对现有图像进行精确的编辑
百科

近年来，多模态基础模型在视觉-语言理解领域取得了显著进展，同时也开始探索多模态...
2024-10-24 174
没有账号？注册  忘记密码？