SD百科导航
  • 首页
  • 快讯
  • 早报
  • 模型
  • ComfyUI
  • 新技术
  • 百科
    • 教程
    • 硬件
    • 科普
  • 百科工具
    • 工具
  • 排行榜
    • 首页
    • 快讯
    • 早报
    • 模型
    • ComfyUI
    • 新技术
    • 百科
      • 教程
      • 硬件
      • 科普
    • 百科工具
      • 工具
    • 排行榜

    新技术

    共 992 篇文章
    百科工具模型ComfyUIAI合集web UI提示词
    教程新技术硬件科普早报
    排序
    发布更新浏览点赞
    Warp-as-History:单视频微调实现精准运镜控制,将相机轨迹转化为“伪历史” token,零样本泛化至未见场景

    Warp-as-History:单视频微调实现精准运镜控制,将相机轨迹转化为“伪历史” token,零样本泛化至未见场景

    在 AI 视频生成领域,实现精准的相机控制(如推近、旋转、平移)通常面临两大难题:要么需要海量带标注数据重新训练模型,成本高昂;要么依赖复杂的测试时优化(Test-time Optimization...
    新技术# Warp-as-History# 运镜控制
    5个月前
    2420
    微软研究警示:前沿 AI 模型在长程文档处理中平均破坏 25% 内容,错误隐蔽且具“重写”特性,DELEGATE-52 基准揭示自主代理可靠性危机

    微软研究警示:前沿 AI 模型在长程文档处理中平均破坏 25% 内容,错误隐蔽且具“重写”特性,DELEGATE-52 基准揭示自主代理可靠性危机

    随着大型语言模型(LLM)能力跃升,越来越多的用户将文档编辑、代码重构等知识任务委托给 AI。然而,微软最新研究揭示了一个令人不安的事实:即使是顶级的 Frontier 模型,在多步骤自主工作流中也会...
    新技术# DELEGATE-52
    5个月前
    2020
    D-OPSD:让高效扩散模型“持续进化”的自蒸馏新技术,微调后仍保持极速生成且无需奖励模型

    D-OPSD:让高效扩散模型“持续进化”的自蒸馏新技术,微调后仍保持极速生成且无需奖励模型

    随着 AI 文生图模型从几十步进化到仅需 4-8 步的逐步蒸馏(Step Distillation)时代,生成速度大幅提升。然而,一个长期困扰业界的难题随之浮现:如何在不破坏模型“快速出图”能力的前提...
    新技术# D-OPSD# 蒸馏
    6个月前
    2880
    DirectEdit:武汉大学提出免训练图像编辑新范式,基于流模型实现“零误差”精准修图

    DirectEdit:武汉大学提出免训练图像编辑新范式,基于流模型实现“零误差”精准修图

    在文本驱动图像编辑领域,尽管免训练方法已取得显著进展,但“累积漂移”问题始终如影随形:传统方法在反演(加噪)和重建(去噪)过程中,因时间步长不匹配导致特征近似误差,最终造成背景失真或主体变形。 项目主...
    新技术# DirectEdit# 图像编辑
    6个月前
    2530
    腾讯混元发布 AngelSlim:2-bit 极致压缩,让大模型在手机上“飞”起来

    腾讯混元发布 AngelSlim:2-bit 极致压缩,让大模型在手机上“飞”起来

    随着 AI 大模型能力的飞跃,其庞大的体积和高昂的计算成本成为了落地应用的巨大阻碍——这就是行业公认的“推理墙”。普通手机、笔记本电脑往往难以承载这些“巨无霸”模型,导致强大的 AI 能力被困在云端...
    新技术# AngelSlim# 腾讯混元
    6个月前
    2550
    EditCrafter:无需微调的 4K 高分辨率图像编辑方法

    EditCrafter:无需微调的 4K 高分辨率图像编辑方法

    EditCrafter 是由 NC AI、Medipixel、MAUM.AI 和 EverEx 联合研究团队提出的一种创新性图像编辑方法。它突破了传统扩散模型受限于训练分辨率(通常为 512×512 ...
    新技术# EditCrafter# 图像编辑
    6个月前
    2130
    BAR:基于混合专家(MoE)的模块化后训练方法

    BAR:基于混合专家(MoE)的模块化后训练方法

    BAR (Branch-Adapt-Route) 是由 Allen Institute for AI (Ai2) 提出的一种创新的后训练框架。它旨在解决大型语言模型在预训练后,难以低成本、低风险地添加...
    大语言模型新技术# BAR# 后训练框架
    6个月前
    2610
    Prompt Relay:无需训练,让 AI 视频生成拥有“导演级”时序控制

    Prompt Relay:无需训练,让 AI 视频生成拥有“导演级”时序控制

    Prompt Relay 是由南洋理工大学 S-Lab 提出的一种创新方法,解决当前 AI 视频生成模型在多事件时序控制上的核心痛点。它作为一种推理时(Inference-time)、无需训练、即插即...
    插件新技术# Prompt Relay
    6个月前
    4810
    OmniJigsaw:通过“模态拼图”解锁全模态 AI 的深度推理能力

    OmniJigsaw:通过“模态拼图”解锁全模态 AI 的深度推理能力

    OmniJigsaw 是由 浙江大学 和 小米 联合提出的一种创新的全模态(Audio-Video)自监督学习框架。它旨在解决当前多模态大模型在视频和音频协同理解上的不足,通过一种名为“时间重排序”的...
    新技术# OmniJigsaw
    7个月前
    2770
    DiffHDR:用视频扩散模型“复活”丢失的光影,实现可控 LDR 到 HDR 转换

    DiffHDR:用视频扩散模型“复活”丢失的光影,实现可控 LDR 到 HDR 转换

    大多数数字视频受限于存储格式,以 8 位低动态范围(LDR) 保存。这意味着原始场景中丰富的高光细节(如云层纹理、灯光光晕)和阴影层次(如暗部织物、夜景角落)因饱和与量化而永久丢失。这不仅限制了在 H...
    新技术# DiffHDR
    7个月前
    2300
    RotorQuant:LLM KV 缓存压缩的“几何革命”,速度提升 5 倍,参数减少 44 倍

    RotorQuant:LLM KV 缓存压缩的“几何革命”,速度提升 5 倍,参数减少 44 倍

    RotorQuant 是一项突破性的 KV 缓存量化技术,旨在解决大型语言模型(LLM)在长上下文推理中的显存瓶颈。通过引入块对角旋转(Block-Diagonal Rotation)替代传统的蝴蝶网...
    新技术# RotorQuant
    7个月前
    3520
    Cursor推出MoE推理加速方法Warp Decode:翻转并行轴,MoE 推理提速 1.84 倍的硬件级优化

    Cursor推出MoE推理加速方法Warp Decode:翻转并行轴,MoE 推理提速 1.84 倍的硬件级优化

    在英伟达 Blackwell GPU 上,针对小批量(Small Batch)自回归解码场景,一种名为 Warp Decode 的新内核设计彻底改变了混合专家(MoE)模型的推理方式。通过翻转并行性轴...
    新技术# Cursor# Warp Decode# 推理加速
    7个月前
    2290
    加载更多

    网址

    日榜周榜月榜
    LoginFlip

    LoginFlip

    LoginFlip 是一款专为 Chrome 浏览器设计的轻量级扩展,解决多账号管理痛点。它通过保存和恢复网站的登录状态(Cookie + localStorage),让你在不同身份(工作号、测试号、个人号等)之间实现秒级切换,彻底告别反复输入密码和退出登录的繁琐流程。
    天府智能体 (Tianfu Agent) 

    天府智能体 (Tianfu Agent) 

    天府智能体 (Tianfu Agent) 作为全球首个专为深度命理推理设计的智能体,它并非简单的聊天机器人,而是一个融合了紫微斗数、子平八字、奇门遁甲三大传统术数体系的复杂 AI 系统。
    TapNow

    TapNow

    TapNow是一个面向创作者的专业级 AI 视觉内容平台,支持从脚本撰写、分镜头设计到高保真成片输出的完整流程,单人即可在 1–3 天内完成传统需 4–6 周的影视级项目。
    Open ASR 排行榜

    Open ASR 排行榜

    Open ASR 排行榜 对 Hugging Face Hub 上的语音识别模型进行排名和评估。我们报告平均 WER(字错误率)(⬇️ 越低越好)和 RTFx(实时因子)(⬆️ 越高越好),模型根据其平均 WER 从低到高进行排名。
    ITELLOU

    ITELLOU

    ITELLYOU(也称为NEXT, ITELLYOU)是一个专注于提供微软原版软件资源的非官方网站,主要帮助用户获取未经修改的微软产品镜像,如Windows操作系统、Office办公软件和开发工具等。
    PPT Master

    PPT Master

    PPT Master 是一个创新的 AI 辅助视觉内容创作系统,通过多角色协作(策略师、图片生成师、执行师、优化师),实现从内容策划到视觉优化的完整工作流。系统不仅支持生成符合顶尖咨询公司(如麦肯锡、波士顿咨询)标准的商业演示文稿,还支持小红书帖子、朋友圈海报、Instagram 等多种社交媒体和营销物料格式。
    查看完整榜单
    SD百科导航
    SD百科导航是专注于AI创作领域的专业导航网站。我们全面涵盖Stable Diffusion、Flux、AI绘画、AI视频、AI音乐以及大语言模型等前沿内容。

    关于我们友链申请广告合作

    扫码关注微信公众号SD百科导航
    扫码关注微信公众号
    Copyright © 2026 SD百科导航 皖ICP备18025588号-5  皖公网安备34040002000401 
    网址
    网址文章软件模型
      ↵ENTER↓↑NAV

      网址

      日榜周榜月榜
      LoginFlip

      LoginFlip

      LoginFlip 是一款专为 Chrome 浏览器设计的轻量级扩展,解决多账号管理痛点。它通过保存和恢复网站的登录状态(Cookie + localStorage),让你在不同身份(工作号、测试号、个人号等)之间实现秒级切换,彻底告别反复输入密码和退出登录的繁琐流程。
      天府智能体 (Tianfu Agent) 

      天府智能体 (Tianfu Agent) 

      天府智能体 (Tianfu Agent) 作为全球首个专为深度命理推理设计的智能体,它并非简单的聊天机器人,而是一个融合了紫微斗数、子平八字、奇门遁甲三大传统术数体系的复杂 AI 系统。
      TapNow

      TapNow

      TapNow是一个面向创作者的专业级 AI 视觉内容平台,支持从脚本撰写、分镜头设计到高保真成片输出的完整流程,单人即可在 1–3 天内完成传统需 4–6 周的影视级项目。
      Open ASR 排行榜

      Open ASR 排行榜

      Open ASR 排行榜 对 Hugging Face Hub 上的语音识别模型进行排名和评估。我们报告平均 WER(字错误率)(⬇️ 越低越好)和 RTFx(实时因子)(⬆️ 越高越好),模型根据其平均 WER 从低到高进行排名。
      ITELLOU

      ITELLOU

      ITELLYOU(也称为NEXT, ITELLYOU)是一个专注于提供微软原版软件资源的非官方网站,主要帮助用户获取未经修改的微软产品镜像,如Windows操作系统、Office办公软件和开发工具等。
      PPT Master

      PPT Master

      PPT Master 是一个创新的 AI 辅助视觉内容创作系统,通过多角色协作(策略师、图片生成师、执行师、优化师),实现从内容策划到视觉优化的完整工作流。系统不仅支持生成符合顶尖咨询公司(如麦肯锡、波士顿咨询)标准的商业演示文稿,还支持小红书帖子、朋友圈海报、Instagram 等多种社交媒体和营销物料格式。
      查看完整榜单