百科

苹果和弗吉尼亚理工大学的研究人员推出新型图像生成模型Kaleido Diffusion，此模型旨在通过自回归潜在模型（autoregressive latent modeling）提高扩散模型（dif...

Meta推出个性化图像生成模型Imagine yourself，这个模型的特别之处在于，它不需要针对每个用户进行个性化调整或“调优”，就能够为所有用户提供服务。这就像是有一个智能的画家，无论谁来请求画...

Qwen官网新增Web Dev功能，让网页开发变得前所未有的简单。 类似于Claude的Artifacts和Gemini的Canvas，Qwen Web Dev可以直接渲染网页，并结合Qwen 3强大...

弗吉尼亚理工大学、苏黎世联邦理工学院、慕尼黑工业大学、谷歌和Artbreeder的研究人员推出大型文本到图像提示数据集StyleBreeder，它通过使用文本到图像的生成模型，探索和推广了艺术风格的多...

香港科技大学和华为诺亚方舟实验室的研究人员推出图像生成框架OmniBooth，它可以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。简单来说，用户可以指定多个对象的...

中国科学技术大学的研究人员推出视频编辑方法STABLEV2V，旨在解决视频编辑中形状一致性问题。STABLEV2V通过一系列顺序过程来编辑视频：首先编辑第一帧视频，然后建立交付动作与用户提示之间的对齐...

来自马克斯·普朗克智能系统研究所、Adob​​e和加州大学圣地亚哥分校的研究团队推出新型视频生成方法Time Reversal Fusion（时间反转融合，简称TRF），它能够控制视频内容在给定的起始...

LM Studio 0.3.17 版本正式引入了 模型上下文协议（Model Context Protocol, MCP） 的支持，允许用户将本地或远程的 MCP 服务器连接到应用中，从而为大型语言模...

香港大学和字节跳动的研究人员推出新型视频生成模型Loong，它基于自回归大语言模型（LLMs），能够生成长达一分钟的连贯、内容丰富的视频。这在视频生成领域是一个挑战，因为视频通常包含大量的帧，每帧都需...

上海科技大学信息科学技术学院和中国科学院自动化研究所的研究人员推出了一种基于扩散模型的无需反转的人像风格化框架ZePo，它能够在无需任何模型微调的情况下，仅需四个采样步骤就能实现内容和风格特征的融合...

无限光年、上海交通大学和复旦大学的研究人员推出新型框架MVideo，它专门设计用于生成具有精确、流畅动作的长时视频。MVideo通过结合文本提示和掩码序列（mask sequences）作为额外的运动...

华中科技大学信息与通信学院、香港大学计算机科学系和vivo AI 实验室的研究人员推出新型图像生成框架ControlAR，它能够根据空间控制信息生成可控制的高质量图像。简单来说，ControlAR能够...