VMix是一种新颖的即插即用适配器，通过细粒度的美学控制显著提升了文本到图像生成模型的性能。其灵活的设计和强大的功能使其在个性化图像生成、艺术创作、商业应用和教育培训...
2025-01-18
新闻资讯
104
StructLDM是一种从2D图像集合中生成3D人体的新型范式。它利用先进的深度学习技术和计算机视觉算法，从图像和视频中学习人体的高维表征，并通过结构化的自动解码器和隐空间扩散...
2025-01-16
新闻资讯
127
ViTPose 是一种基于视觉变换器(ViT)的人体姿态估计模型。视觉变换器最初由 Google Research 提出，用于图像分类任务，其核心思想是将图像分割成多个小块(patch)，然后通过自注...
2025-01-15
新闻资讯
118
NeuralSVG是一种基于神经隐式表示的方法，旨在从文本提示自动生成矢量图形(SVG)。与传统的矢量图形生成方法不同，NeuralSVG通过将整个场景编码到一个小型的多层感知器(MLP)网...
2025-01-14
新闻资讯
128
AudioLCM 是一种基于一致性模型(Consistency Models, CMs)和潜在扩散模型(LDMs)的新型文本到音频生成模型。该模型通过集成一致性模型到生成过程中，并引入多步常微分方程(mul...
2025-01-13
新闻资讯
124
HelloMeme是一款开源的面部表情与姿态迁移框架，它利用先进的AI技术，特别是基于最新的Diffusion生成技术，实现了将视频中的人物表情和姿态迁移到静态图像中，生成个性化、趣...
2025-01-10
新闻资讯
138
LongWriter是由清华大学数据挖掘研究组(THUDM)开发的开源语言模型，旨在让大型语言模型(LLMs)能够生成超长文本。通过引入一种基于代理的“计划-写作”方法，LongWriter将复杂...
2025-01-09
新闻资讯
141
DiffSensei 是一个由北京大学、上海AI实验室及南洋理工大学共同推出的AI漫画生成框架。它旨在利用人工智能技术，将文本提示和角色图像转化为具有连贯性和视觉吸引力的漫画面板...
2025-01-09
新闻资讯
150
Windsurf是一款功能强大的集成开发环境(IDE)，由Codeium团队开发。它被誉为世界上第一个基于AI Flow范式的IDE，旨在通过人工智能技术提升开发者的编程效率和体验。Windsurf...
2025-01-08
新闻资讯
150
Sonus-1是Sonus AI推出的一系列高性能大语言模型。该系列模型包括三个版本：Sonus-1 Mini、Sonus-1 Air和Sonus-1 Pro。这些模型旨在满足不同应用场景和性能需求，从快速响应的...
2025-01-07
新闻资讯
140
LatentSync是一项由字节跳动联合北京交通大学提出的创新技术，它代表了一种新型的唇部同步框架。该框架基于音频条件潜在扩散模型，旨在实现视频中人物唇部动作与音频的精准同...
2025-01-06
新闻资讯
217
随着人工智能技术的不断发展，生成式语言模型在各个领域的应用日益广泛。然而，这些模型在从训练到实际应用的过程中面临着诸多挑战。其中，如何在推理阶段使模型达到最佳表现...
2025-01-03
新闻资讯
139
TangoFlux 是一种高效的文本到音频生成模型，具有 515M 参数，能够在单个 A40 GPU 上生成长达 30 秒的 44.1kHz 立体声音频，仅需 3.7 秒。该模型通过引入一种新颖的框架——C...
2025-01-02
新闻资讯
164
BrushEdit是腾讯、北京大学、香港中文大学及清华大学联合推出的先进图像编辑框架，是BrushNet模型的高级迭代版本。它结合了多模态大型语言模型(MLLMs)和双分支图像修复模型，...
2025-01-01
新闻资讯
150
Sana是一个高效的文本到图像生成框架，由NVIDIA实验室开发。它能够生成高质量、高分辨率的图像，并且具有极快的生成速度。Sana的核心设计理念在于优化算法和硬件的协同工作，...
2024-12-31
新闻资讯
169
