零样本视频定制框架DreamVideo-2：根据单一图像和一系列界定框序列生成具有特定主题和运动轨迹的视频
新技术

复旦大学、阿里巴巴、南洋理工大学和密歇根州立大学的研究人员推出一个零样本视频...
2024-10-21 246
TransAgent 框架：提升视觉-语言基础模型（比如CLIP）在新领域中的泛化能力
新技术

中国科学院深圳先进技术研究院、中国科学院大学、上海人工智能实验室和上海交通大...
2024-10-21 176
条件对比对齐CCA：提升自回归（AR）视觉生成模型的样本质量
新技术

无分类器引导（CFG）是提高视觉生成模型样本质量的关键技术。然而，在自回归（AR）...
2024-10-21 194
用于生成同步语音体态手势视频的框架 TANGO：把新的语音和已有的视频动作结合起来，生成高保真的、与语音同步的身体手势视频
新技术

东京大学和Cyber​​Agent 人工智能实验室的研究人员推出了一个用于生成同步语音体态...
2024-10-21 166
Fluid: 基于连续令牌和随机顺序生成的文生图模型
新技术

在视觉领域，自回归模型的扩展并没有像在大语言模型中那样取得显著的成功。为了探...
2024-10-20 174
Ollama 与Hugging Face合作！Ollama可以使用 Hugging Face上所有GGUF格式模型了
教程

Ollama 是一个基于 llama.cpp 的应用，可以直接在本地运行开源的大语言模型，之前...
2024-10-18 556
Adobe MAX大会亮点！Adobe旗下多个应用发布新功能，视频生成功能已上线Adobe Premiere Pro和Adobe Firefly
早报

今天，在美国迈阿密海滩举行的Adobe MAX大会上，Adobe发布了最新版本的Adobe Creat...
2024-10-15 282
图上下文感知扩散模型InstructG2I：根据多模态属性图（MMAGs）生成图像
新技术

多模态属性图（MMAGs）作为一种强大的数据结构，能够以图的形式表示实体之间的关系...
2024-10-13 300
图像编辑新方法DICE：用于改进离散扩散模型在可控编辑任务中的性能
新技术

罗格斯大学、麻省理工学院-IBM Watson AI 实验室、谷歌 DeepMind、NEC 美国实验室...
2024-10-12 246
FSC-CLIP：提升预训练视觉和语言模型（VLMs）在理解图像和文字组合任务上的能力，同时保持在多模态任务上的性能
新技术

韩国科学技术院、世宗大学和汉阳大学的研究人员推出FSC-CLIP，提升预训练视觉和语...
2024-10-12 214
矩形扩散Rectified Diffusion：提高扩散模型的生成速度
百科

香港中文大学、北京大学和普林斯顿大学的研究人员推出Rectified Diffusion，它用于...
2024-10-12 298
长视频生成新方法PA-VDM：现有的模型可以自然地扩展为自回归视频扩散模型，而无需改变架构
新技术

石溪大学和Adob​​e 研究中心的研究人员推出长视频生成新方法PA-VDM，它能够生成高...
2024-10-12 256
没有账号？注册  忘记密码？