百科

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...

清华大学、西安交通大学、伊利诺伊大学香槟分校、中国科学院大学和旷视科技的研究人员推出图像生成评估基准DREAMBENCH++，它是一个与人类偏好对齐的自动化评估系统，专门用于个性化图像生成。简单来说...

微软推出小型语言模型Phi-3系列，它在性能上可以与一些大型模型相媲美，如Mixtral 8x7B和GPT-3.5，但大小却足以部署在手机上。这项技术的创新之处在于其训练数据集，这是phi-2数据集的...

苹果提出了新的文生图模型架构DiT-Air和DiT-Air-Lite，旨在提高模型的参数效率和生成性能。其论文主要研究了扩散模型（Diffusion Models）在文本到图像生成任务中的架构设计、文...

韩国科学技术院推出一种针对文本到图像模型的一次性个性化定制技术TextBoost，这种方法使用单个参考图像，通过微调文本编码器，来生成与文本提示相匹配的定制化图像。例如，你想要通过一段描述来生成一张图...

Perplexity 的 AI 语音助手现已正式登陆 iOS 平台，为 iPhone 和 iPad 用户带来了全新的对话式交互体验。这一更新使苹果用户能够通过 Perplexity 应用完成一系列任务...

来自Meta和牛津大学的研究团队推出新型3D生成模型VFusion3D，它利用预训练的视频扩散模型来创建可扩展的3D生成模型。这项技术的核心在于解决3D数据稀缺的问题，因为3D数据不像图片、文本或视频...

来自维尔茨堡大学计算机视觉实验室、索尼PlayStation旗下FTG团队的研究人员推出一款图像修复模型InstructIR，它能够根据人类编写的指令来修复和增强图像。简单来说，一张因为雨滴而模糊的招...

牛津大学的研究人员推出一种新的3D场景生成技术Invisible Stitch，这项技术的目标是生成平滑且连贯的3D场景，特别是通过深度修复（depth inpainting）来改善场景的几何一致性...

来自北卡罗来纳大学教堂山分校和 Meta AI的研究人员推出视频字幕生成模型Video ReCap，它能够为长达数小时的视频生成多层次的字幕。 这个模型的设计受到了人类行为层次结构的启发，人类行为通常...

来自苹果的研究人员推出一款利用大语言模型（LLMs）生成动画的框架Keyframer，它利用大语言模型（LLMs）来帮助设计师通过自然语言描述来创建动画。 论文地址 Keyframer的主要功能包括从...

卡内基梅隆大学和赖希曼大学的研究人员推出创新框架Generative Photomontage，它使用户能够通过组合多个生成的图像来创建他们所需的图像，这个过程就像是用不同的图像拼贴出一幅全新的画面...