创新框架FeatUp：提高深度学习模型中图像特征的空间分辨率，而不会损失原有的语义信息
来自麻省理工、微软、Adobe和谷歌的研究团队推出创新框架FeatUp，它能够提高深度学习模型中图像特征的空间分辨率，而不会损失原有的语义信息。在计算机视觉领域，深度学习模型通常会从图像中提取特征，这...
排序
新型图像编辑方法CODE：能够在保持图像真实感的同时，对图像进行高质量的编辑和合成
洛桑联邦理工学院的研究人员推出新型图像编辑方法CODE（Confident Ordinary Differential Editing，自信常微分编辑），它能够在保持图像真实感的同时，对图像进行高质量...
海螺语音海外版MiniMax Audio发布全新模型Speech-02 ：超现实 TTS，多语言无缝切换
海螺语音海外版 MiniMax Audio 发布了全新的 Speech-02 模型，这一创新的文本转语音（TTS）技术能够将任何文件或 URL 瞬间转化为逼真的音频。无论是创建有声书、播客，还是为电影...
用于加速DiT模型的训练和推理过程的方法HarmoniCa
商汤科技研究院、北京航空航天大学、莫纳什大学和香港科技大学推出一种用于加速DiT模型的训练和推理过程的方法HarmoniCa，通过基于Step-Wise去噪训练（SDT）和图像错误代理引导目标（IEP...
Canva全面拥抱AI：新增图像生成、交互式编程与电子表格功能
设计工具领域的领军企业Canva近日宣布推出一系列全新AI功能，进一步扩展其平台的能力。这些新功能包括AI助手（Canva AI）、通过提示创建交互式应用程序的能力（Canva Code）、AI驱动的...
DragAPart：一张图片和加一系列拖动操作作为输入，生成新图片
牛津大学视觉几何小组推出DragAPart，它接收一张图片和一系列拖动操作作为输入，能够生成该物体在新状态下的新图片，且新图片与拖动操作所表达的动作相匹配。与先前主要关注物体重新定位的工作不同，Dra...
BootPIG：零样本个性化图像生成
来自Salesforce的研究人员提出了一种新架构BootPIG，旨在实现零样本个性化图像生成。该架构基于预训练的文本到图像模型Stable Diffusion，通过引入参考图像来指导生成的对象外观...
新颖的图生视频方法PhysGen：能够将一张静态图片转换成一段真实感强、物理上可信、时间上连贯的视频
伊利诺伊大学香槟分校推出一种新颖的图像到视频生成方法PhysGen，它能够将一张静态图片转换成一段真实感强、物理上可信、时间上连贯的视频。简单来说，就是给定一张图片，比如一个球在斜坡上，PhysGen...
文生视频新技术FIFO-Diffusion：无需训练即可从文本生成无限长度的视频
首尔国立大学推出文生视频新技术FIFO-Diffusion，它基于预训练的扩散模型，用于文本条件视频生成。简单来说，FIFO-Diffusion能够根据文本描述生成无限长度的视频，而且不需要额外的训练...
创新人工智能系统Genie：从单一图像提示生成无限种可玩（即可通过行动控制的）游戏场景
来自不列颠哥伦比亚大学和Google DeepMind研究人员提出创新人工智能系统Genie，它能够从互联网上的未标记视频数据中学习，生成可交互的虚拟环境。Genie的核心功能是将文本、合成图像、照片...
3D场景编辑框架TIP-Editor
来自腾讯人工智能实验室、中山大学的研究人员推出3D场景编辑框架TIP-Editor，它允许用户不仅通过文本提示，还通过图像提示来精确地编辑现有的基于3D高斯散射（GS）的辐射场。TIP-Editor的...
Adobe推出全新图像编辑方法TurboEdit：实现基于文本的即时图像编辑
Adobe Research推出了一种全新的图像编辑方法TurboEdit，它能够实现基于文本的即时图像编辑，它利用了所谓的"少步骤扩散模型"（few-step diffusion models），在...
