DistriFusion：加速高分辨率扩散模型的并行推理算法
新技术

来自麻省理工学院、普林斯顿大学、Lepton AI 和 英伟达的研究人员推出DistriFusio...
2024-03-02 387
基于优化框架的跨模态视频-音频生成方法Seeing and Hearing：能够同时生成视频和音频内容
新技术

香港科技大学和腾讯 PCG ARC 实验室推出基于优化框架的跨模态视频-音频生成方法Se...
2024-02-28 393
基于Kronecker积的新型适应模块DiffuseKronA：保持图像生成质量的同时，显著减少模型的参数数量
新技术

来自印度信息技术研究所、Hugging Face、阳明交通大学、IBM 研究院的研究人员提出...
2024-02-28 437
创新框架EMO：只需要提供一张静态照片和一段语音，就能生成口型匹配的视频
新技术

阿里巴巴推出创新框架EMO，它是一个能够根据音频生成表情丰富的肖像视频的系统。...
2024-02-28 462
Multi-LoRA Composition：不经过训练直接融合多个 Lora 不损失效果
新技术

来自伊利诺伊大学香槟分校和微软公司的研究人员公开了多LoRA组合来生成图像的项目...
2024-02-27 540
负面提示词在Stable Diffusion中的作用及书写技巧
科普

在Stable Diffusion中，负面提示（Negative Prompts）作为一种图像生成的引导机制...
2024-02-27 502
新框架VSP-LLM：通过观察视频中人的嘴型来理解和翻译说话内容
新技术

这篇论文介绍了一个名为VSP-LLM（Visual Speech Processing incorporated with LL...
2024-02-27 394
数据生成管道Gen4Gen：创建高质量的个性化图像和文本描述
新技术

来自加州大学伯克利分校、牛津大学、哈佛大学、卡耐基梅隆大学、香港大学、加州大...
2024-02-26 244
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
新技术

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，...
2024-02-26 307
T-Stitch：加速预训练扩散模型采样过程
新技术

来自莫纳什大学、英伟达、威斯康星大学麦迪逊分校、加州理工学院的研究人员推出T-...
2024-02-24 436
3D重建技术MVD2：针对多视角扩散图像进行高效的三维形状重建
新技术

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...
2024-02-24 340
子对象级图像标记化：用于计算机视觉模型的图像处理
新技术

来自香港科技大学与小冰AI的研究人员推出名为“子对象级图像标记化”（subobject-le...
2024-02-24 326
没有账号？注册  忘记密码？