新型实时端到端目标检测系统YOLOv10：快速地识别图像中的多个对象，并且告诉用户这些对象的具体位置
清华大学的研究人员推出新型实时端到端目标检测系统YOLOv10，目标检测是计算机视觉领域的一个重要任务，它的目的是识别出图像中的对象，并确定它们的位置。例如，你在玩一个视频游戏，需要快速识别并射击屏幕...
排序
Stability AI获得新的投资，并任命Prem Akkaraju为新CEO
Stability AI已经正式公布了来自一组新投资者的重大资金投入。该公司已任命Prem Akkaraju为首席执行官，并由Sean Parker出任执行主席。这一举措旨在加速Stability A...
新型视频生成技术“CVD（协作视频扩散）”：生成从多个不同摄像机轨迹视角下观察同一场景的一致性视频
斯坦福大学和香港中文大学的研究人员推出新型视频生成技术“协作视频扩散”（Collaborative Video Diffusion，简称CVD），这项技术的核心目标是能够生成从多个不同摄像机轨迹视角下...
新型视图合成技术InstantSplat：在极短的时间内（大约40秒）从稀疏的、没有相机姿态信息的图像中重建和渲染出新视角的3D场景
来自德克萨斯大学奥斯汀分校、英伟达、厦门大学、佐治亚理工学院、斯坦福大学和南加州大学推出新型视图合成技术InstantSplat，它能够在极短的时间内（大约40秒）从稀疏的、没有相机姿态信息的图像中重...
CFG改进版CFG++：帮助生成与文本描述相匹配的图像
韩国科学技术院推出新型的图像生成和编辑技术CFG++，这是针对“分类器自由引导”（Classifier-free Guidance，简称CFG）的改进版。CFG是一种在现代文本引导的图像生成模型中使用...
Stable Diffusion 采样器工作原理、特点及如何选择？
当我们使用Stable Diffusion(稳定扩散)技术生成图片时，其首先会创建一张带有噪声的图像。然后，通过我们设定的一连串步骤，它逐渐去除图像中的噪声。这个过程就像是从一块毛坯的白色大理石开始...
CUDA与cuDNN安装教程
目前很多AI应用都是建立在英伟达CUDA基础上的，Stable Diffusion也不例外，虽然CPU或英特尔、AMD的显卡也能运行Stable Diffusion相关应用，但运行与生图效率暂时还无法...
英伟达推出新型文生图模型BlobGEN：基于blob（斑点）的文本到图像扩散模型
英伟达推出新型文生图模型BlobGEN，这个模型的核心思想是将场景分解为视觉原语——被称为密集的blob（斑点）表示——这些表示包含了场景的细粒度细节，同时具备模块化、易于理解和构建的特点。例如，一个...
ffmpeg安装教程
FFmpeg是一个开源的跨平台多媒体处理工具集，具有强大的音视频处理能力。它可以用于转换、编辑、流媒体处理以及多媒体格式的解码和编码等任务。对于AI方面，FFmpeg主要是生成视频，用于视频的编码。 ...
新型图像生成模型Hourglass Diffusion Transformer（HDiT）
Stability AI、慕尼黑大学和Birchlabs的开发人员提出了一种名为Hourglass Diffusion Transformer（HDiT）的新型图像生成模型，该模型在保持高分辨率图像合...
Qwen-Image 使用指南：如何用提示词与参数生成高质量图像
在闭源图像模型主导的今天，阿里巴巴推出的 Qwen-Image 成为一股清流——它不仅性能强大，更以 Apache 2.0 开源协议发布，允许企业、开发者和创作者自由使用、修改和部署。 这一特性使其迅...
索尼推出音频-视觉生成模型Visual Echoes：根据一张图片生成与之相对应的音频，或者反过来，根据一段音频生成匹配的图片
索尼推出新型音频-视觉生成模型Visual Echoes，这个模型能够根据一张图片生成与之相对应的音频，或者反过来，根据一段音频生成匹配的图片。这种技术在多模态生成领域具有很大的潜力，因为它能够将视觉...
