百科

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）多模态生成中，CFG 在语言和视觉内容之间引入了设计不一致性，这与统一不同模态的视觉 AR 设计理念相矛盾。受语言模型...

来自香港中文大学、腾讯人工智能实验室、北京大学的研究人员推出动态视频模型DynamiCrafter，它是一个利用视频扩散模型（Video Diffusion Models）来为静态图片添加动画效果的工...

罗切斯特大学和字节跳动的研究人员推出TextToon，它能够在实时环境中将真人的头像转换成卡通化的形象。就像魔法一样，这项技术可以把你从视频中的头像变成你想要的任何卡通风格，比如美国漫画风格、皮克斯动...

来自Snap和美国东北大学的研究人员推出文本编码器TextCraftor，它通过微调文本编码器来提高文本到图像生成模型的性能，使得生成的图像更加精确地反映文本描述的内容。这种方法减少了对大量数据集的依...

来自中科大、字节跳动的研究人员推出新型文本到图像定制方法RealCustom。这种方法的目标是为给定的主题生成受文本驱动的图像，这在内容创作领域具有革命性的意义。 项目主页 论文地址 想象一下，你想要...

阿里在去年2月推出新型音频驱动的虚拟角色视频生成方法EMO，近期又发布了 EMO2，它能够同时生成富有表现力的面部表情和手势动作。该方法特别关注于语音伴随手势（co-speech gestures）的...

来自慕尼黑大学和Adobe Research的研究人员推出LightIt，它能够对由扩散模型生成的图像进行明确的照明控制。研究人员提出了将生成过程与阴影和法线图相结合的新思路。在光照建模方面，采用了单...

来自清华大学和微软亚洲研究院的研究人员推出新型3D重建技术MVD2，它专门针对多视角扩散（Multiview Diffusion，简称MVD）图像进行高效的三维形状重建。 论文地址 MVD是一种新兴的...

来自南洋理工大学、百度和北京大学的研究人员推出3D内容生成框架DreamGaussian，专门设计用于提高基于优化方法创建三维（3D）模型的效率和质量。该框架旨在解决当前从图像或文本快速生成高质量3D...

卡内基梅隆大学和DatalogyAI的研究人员发布论文探讨扩散模型（diffusion models）中“幻觉”（hallucinations）现象，即模型生成了一些在训练数据中从未出现过的样本。这种...

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 Creative Cloud，其中包括超过100项新功能，涵盖了Photoshop、Illustrator...

上海交通大学和腾讯优图实验室的研究人员推出新型高效微调方法SaRA，用于提升预训练扩散模型在新任务上的表现。扩散模型是一种强大的生成模型，能够生成图像、视频和3D模型等。但这些模型通常需要大量的参数...