百科

新型图像生成模型家族LlamaGen：将大语言模型（Llama）应用到视觉图像生成领域

图生图新技术pOps：将图像和文本转换为可以相互理解的格式，更好的生成图像

新型文本到视频生成框架VideoTetris：专门设计来解决现有方法在处理复杂场景（如多对象或对象数量动态变化的长视频）生成时面临的挑战

单前向视频生成模型SF-V：通过一次前向传播快速生成高质量、运动连贯的视频

Follow-Your系列新框架Follow-Your-Pose v2：用于于角色图像动画的框架，可以根据一系列的动作信号（比如视频、深度图或姿势序列）生成动画视频

步态感知偏好优化SPO：改进SD模型的训练过程，使其生成的图像更符合人类的审美偏好

Follow-Your系列新框架Follow-Your-Emoji：基于扩散模型的肖像动画框架，生成富有表现力的表情动画

模型量化技术BitsFusion：减少SD模型参数大小，同时还能让这个模型生成的图片质量更好

Controlnet作者lllyasviel新开源项目Omost：将大语言模型的编程能力转化为图像合成能力

自动化图形设计工具PosterLLaVa：利用多模态大语言模型来自动化图形设计中的布局生成任务

Search_T2V：改善文本到视频合成的质量和真实感

阿里推出新型视频生成框架I4VGen：无需训练且即插即用的视频扩散推理框架