OLA-VLM：提升多模态大语言模型中的视觉感知能力
新技术

开发当代多模态大语言模型（MLLMs）的标准做法是将视觉编码器的特征输入到大型语言...
1周前 44
文生图模型SnapGen：能够在移动平台上生成高分辨率和高品质的图像
新技术

现有的文本到图像（T2I）扩散模型虽然在生成高质量图像方面表现出色，但面临着几个...
1周前 44
Neural LightRig：从单张图片中准确估计物体的表面法线（normals）和物理基础渲染（PBR）材料
新技术

香港中文大学、上海AI实验室和南洋理工大学的研究人员推出新型框架Neural LightRig...
1周前 48
Track4Gen：用于视频生成的空间感知视频生成器
新技术

Adob​​e 研究中心、韩国科学技术院和伦敦大学学院的研究人员推出Track4Gen，这是一...
1周前 42
文本驱动的风格迁移方法StyleStudio：根据文本提示将特定风格的参考图像与目标内容图像结合起来
新技术

西湖大学 AGI 实验室、复旦大学、南洋理工大学和香港科技大学（广州）的研究人员推...
1周前 44
StreamChat：增强大型多模态模型（LMMs）与流媒体视频内容的交互能力
新技术

香港中文大学、英伟达、上海人工智能实验室、InnoHK和香港理工大学的研究人员推出...
1周前 44
视频风格化方法StyleMaster：能够对视频进行艺术化生成和风格转换
新技术

香港科技大学和快手的研究人员推出视频风格化方法StyleMaster，它能够对视频进行艺...
1周前 44
基于预训练流模型的新型文本驱动图像编辑方法FlowEdit：适用于SD3和Flux模型
新技术

使用预训练的文本到图像（T2I）扩散或流模型编辑真实图像是一项具有挑战性的任务。...
1周前 44
强调了结构化注释的使用！用于训练复杂图像-文本模型的大规模数据集LAION-SG
新技术

浙江大学、江南大学、北京大学、阿里巴巴集团和蚂蚁集团的研究人员推出一个用于训...
1周前 44
多视角视频生成新技术SynCamMaster：能够从不同的视点生成同步的、一致性高的动态场景视频
新技术

浙江大学、快手科技、清华大学和香港中文大学的研究人员推出一种用于多视角视频生...
1周前 40
用于组合式文生图新框架GraPE：将复杂的多步生成任务分解为三个独立的步骤
新技术

文本到图像（T2I）生成任务的目标是从文本提示生成逼真的图像。尽管扩散模型在这一...
1周前 36
ObjCtrl-2.5D：用于图像到视频（I2V）生成中的训练无关对象控制技术
新技术

图像到视频（I2V）生成任务的目标是从单张图像生成一段连贯的视频，通常涉及对目标...
1周前 40
没有账号？注册  忘记密码？