ObjectMate：能够在无需微调的情况下，实现对象插入和主题驱动的图像生成
新技术

对象插入和主体驱动生成是计算机视觉中的两个重要任务，旨在将给定的对象合成到由...
2024-12-16 94
无需微调的推理范式FreeScale：通过 尺度融合 实现更高分辨率的图片生成
新技术

视觉扩散模型（Diffusion Models）在图像和视频生成领域取得了显著进展，但由于缺...
2024-12-16 86
实例感知结构化字幕框架InstanceCap：实现实例级 和 细粒度 的视频字幕生成，显著提升了字幕与视频之间的一致性和保真度
新技术

近年来，文本到视频生成技术取得了显著进展，但现有的视频字幕生成方法仍然存在一...
2024-12-16 90
GenEx：从单张RGB图像生成一个可探索的3D一致性虚拟环境
新技术

理解、导航和探索三维物理现实世界一直是人工智能（AI）领域的一个核心挑战。传统...
2024-12-16 92
新型Transformer框架Gaze-LLE：用于估计人在场景中注视的目标位置
新技术

佐治亚理工学院和伊利诺伊大学厄巴纳-香槟分校的研究人员推出新型Transformer框架...
2024-12-16 96
Long Volumetric Video：高效地表示和渲染长时间的体积视频
新技术

浙江大学、斯坦福大学和香港科技大学的研究人员发布论文，主题是关于如何高效地表...
2024-12-16 82
Meta开源的人体动作生成模型Meta Motivo：生成符合物理规律的复杂的全身动作
新技术

Meta Motivo 是一个创新的行为基础模型，旨在通过一种新的无监督强化学习（RL）算...
2024-12-15 94
FireFlow：用于快速反转和编辑图像语义内容，提高图像生成和编辑的效率和准确性
新技术

尽管带有蒸馏的校正流（ReFlows）为快速采样提供了一种有前景的方法，但其...
2024-12-14 98
图像超分辨率技术InvSR：基于扩散反转（Diffusion Inversion）来提高图像的分辨率
新技术

南洋理工大学（NTU）S-Lab提出了一种新的图像超分辨率（Super-Resolution, SR）技...
2024-12-14 96
多概念图像生成方法LoRACLR：在单一模型中合并多个特定概念（如人物、物体或艺术风格）并生成多概念图像
新技术

近年来，文本到图像定制技术的进步使得个性化图像的高保真、内容丰富的生成成为可...
2024-12-14 76
OLA-VLM：提升多模态大语言模型中的视觉感知能力
新技术

开发当代多模态大语言模型（MLLMs）的标准做法是将视觉编码器的特征输入到大型语言...
2024-12-14 90
文生图模型SnapGen：能够在移动平台上生成高分辨率和高品质的图像
新技术

现有的文本到图像（T2I）扩散模型虽然在生成高质量图像方面表现出色，但面临着几个...
2024-12-14 94
没有账号？注册  忘记密码？