百科

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

基于Transformer架构的新型图像生成模型DART：根据文本描述生成高质量的图像

BroadWay：提升文生视频模型的质量，而且不需要额外的训练

视频插值方法ViBiDSampler：专门用于在两个关键帧之间生成平滑且逼真的中间帧，从而创建流畅的视频过渡效果

一种在推理阶段组合定制扩散模型的新方法TweedieMix：用于改进多概念融合在基于扩散的图像和视频生成中的应用

字节推出TextToon：在实时环境中将真人的头像转换成卡通化的形象

新型视频生成框架VideoGuide：改善视频生成模型在时间连续性方面的性能，同时保持甚至提高生成视频的图像质量

多模态统一模型UniMuMo：能够处理文本、音乐和动作（运动）数据，并在这三种模式之间生成内容

图像生成框架OmniBooth：根据用户的多模态指令（如文本提示或图像参考）来生成具有空间控制和实例级定制化的图像

半策略偏好优化方法SePPO：用于优化和微调文生图模型，使其更好地符合人类的审美和偏好

帧感知视频扩散模型FVDM：时间步向量化方法，提高了视频生成任务的质量和灵活性

新型图像生成框架ControlAR：根据空间控制信息生成可控制的高质量图像