-
【扩散模型（八）】Stable Diffusion 3 diffusers 源码详解2 - DiT 与 MMDiT 相关代码（下）
系列文章目录 【扩散模型（一）】中介绍了 Stable Diffusion 可以被理解为重建分支（reconstruction branch）和条件分支（condition branch） 【扩散模型（二）】IP-Adapter 从条件分支的视角，快...
-
深度剖析Google黑科技RB-Modulation：告别繁琐训练，拥抱无限创意生成和风格迁移！
给定单个参考图像，RB-Modulation提供了一个无需训练的即插即用解决方案，用于(a 风格化和(b 具有各种提示的内容样式组合，同时保持样本多样性和提示对齐。例如，给定参考样式图像(例如“熔化的黄金3d渲染样式” 和内容图像(例如(a “狗” ，RB...
-
CVPR`24 | 又快又好！渲染速度比ENeRF快30倍！4K4D:实时4K分辨率4D视图合成
文章链接：https://arxiv.org/pdf/2310.11448 git链接： https://zju3dv.github.io/4k4d/ 本文旨在实现动态3D场景在4K分辨率下的高保真和实时视图合成。最近，一些动态视图合成方法在渲染质量方面...
-
每日AIGC最新进展(53)：中科大提出物理模拟人物化身PICA、厦门大学提出音频驱动的头部视频编辑StyleGAN、上交提出蒙特卡洛逆向渲染3D对象方法
Diffusion Models专栏文章汇总：入门与实战 PICA: Physics-Integrated Clothed Avatar 本文介绍了PICA，一种新型的高保真可动人物化身表示方法，能够实现物理精确的动态模拟，尤其适用于宽松衣物。...
-
AIGC从入门到实战：关于企业和组织
作者：禅与计算机程序设计艺术 Artificial Intelligence (人工智能 G: Generation (生成 C: Content (内容 背景介绍 随着全球数字化转型的加速，企业与组织面临着前所未有的机遇与挑战。人工智能(A...
-
Gen-3 Alpha完全指南：Runway AI视频生成模型使用方法教程与免费体验地址入口
探索Gen-3 Alpha能为你带来哪些改变 为什么选择Gen-3 Alpha？ Gen-3 Alpha不仅仅是一款产品——它是一项革命性的技术，致力于在新的基础设施上进行大规模多模态训练，专为创意专业人士、视频制作者和艺术家打造。致力于提供高保真度、一致...
-
AI绘画Stable Diffusion【ControlNet】：使用InstantID插件实现人物角色一致性
大家好，我是阿威。 今天我们介绍一下InstantID。它能够实现在保持高保真度身份保留的同时，仅使用单张面部图像参考就可以实现个性化图像合成，并且支持各种不同的风格。 今天我们就来看看在Stable Diffusion的ControlNet插件中In...
-
港科大最新！Vista：一种具有高保真度和多功能可控的世界模型
本文经自动驾驶之心公众号授权转载，转载请联系出处。 原标题：Vista: A Generalizable Driving World Model with High Fidelity and Versatile Controllability 论文链接...
-
CVPR 2024 | 风格迁移和人像生成汇总！扩散模型diffusion用于经典AIGC方向
风格迁移 1、DEADiff: An Efficient Stylization Diffusion Model with Disentangled Representations 基于文本到图像扩散模型在迁移参考风格方面具有巨大潜力。然而，...
-
Hotshot - ACT 1官网体验入口 文生视频AI系统使用方法教程指南
Hotshot - ACT 1是一个由Hotshot Research开发的直接文本到视频合成系统，它能够生成高清晰度的视频，具有多种宽高比且无水印，提供引人入胜的用户体验。该系统通过使用大规模高分辨率文本视频语料库进行训练，以实现高保真度的空间对齐、时间...
-
开环端到端自动驾驶中自车状态是你所需要的一切吗？
本文经自动驾驶之心公众号授权转载，转载请联系出处。 原标题：Is Ego Status All You Need for Open-Loop End-to-End Autonomous Driving? 论文链接：https://arxiv.org/a...
-
Stable Diffusion——基础模型、VAE、LORA、Embedding各个模型的介绍与使用方法
前言 Stable Diffusion（稳定扩散）是一种生成模型，基于扩散过程来生成高质量的图像。它通过一个渐进过程，从一个简单的噪声开始，逐步转变成目标图像，生成高保真度的图像。这个模型的基础版本是基于扩散过程的，但也有一些改进版本，包括基于变分自动...
-
两步生成25帧高质量动画，计算为SVD的8% | 在线可玩
耗费的计算资源仅为传统Stable Video Diffusion（SVD）模型的2/25！ AnimateLCM-SVD-xt发布，一改视频扩散模型进行重复去噪，既耗时又需大量计算的问题。 先来看一波生成的动画效果。 赛博朋克风轻松驾驭，男孩头戴耳机，...
-
SIMPL：用于自动驾驶的简单高效的多智能体运动预测基准
本文经自动驾驶之心公众号授权转载，转载请联系出处。 原标题：SIMPL: A Simple and Efficient Multi-agent Motion Prediction Baseline for Autonomous Driving 论文链接...
-
AI新工具(20240203) 文心一言APP数字分身；HuggingChat Assistants等
文心一言APP数字分身-一键生成专属数字分身 文心一言数字分身是一项新功能，用户只需一张照片和录制三句语音，就能创建一个专属的数字分身。这个数字分身还支持个性化定义名称、声音、MBTI性格等，用户可以选择是否公开自己的数字分身。这个功能的上线大大缩短...
-
【AIGC-图片生成视频系列-6】SSR-Encoder：用于主题驱动生成的通用编码器
目录 一. 贡献概述 二. 方法详解 a 训练阶段 b 推理生成阶段： 三. 综合结果 四. 注意力可视化 五. 选择性主题驱动图像生成 六. 人体图像生成 七. 可推广到视频生成模型 八. 论文 九. 个人思考 稳定扩散（S...
-
数据为王！如何通过数据一步步构建高效的自动驾驶算法？
本文经自动驾驶之心公众号授权转载，转载请联系出处。 写在前面&笔者的个人理解 下一代自动驾驶技术期望依赖于智能感知、预测、规划和低级别控制之间的专门集成和交互。自动驾驶算法性能的上限一直存在巨大的瓶颈，学术界和业界一致认为，克服瓶颈的关键在于以...
-
小红书开源「InstantID」效果炸裂，被Yann LeCun点赞，迅速蹿上Github热榜
最近，有一群来自小红书的 95 后神秘团队，自称 InstantX，搞了个大动作 —— 开源「InstantID」项目。 InstantID 凭借着高质量的图像生成能力，在开源界掀起了一股热潮：不仅获得了众多技术大佬的点赞，更是在 GitHub 热榜上迅...
-
基于参考物体的AIGC图像生成技术在家居导购领域的应用
本文深入探讨了基于参考物体的人工智能图像生成（AIGC）技术的最新进展。首先概述了该类技术如何发展至今，然后着重分析了两篇重要的相关学术论文。随后，文章针对家居导购领域的特殊应用场景，讨论了运用此项技术时遭遇的挑战和取得的最新效果。...
-
无缝衔接Stable Diffusion，一张照片几秒钟就能生成个性化图片-InstantID
最近一段时间基于扩散模型的图像处理方法遍地开花，接下来为大家介绍一种风格化图像的方法InstantID，可以通过仅有一张人脸照片，几秒钟内生成不同风格的人物照片。与传统方法需要多张参考图像和复杂的微调过程不同，InstantID只需一张图像...
-
UltrAvatar官网体验入口 AI生成逼真可动3D头像生成模型在线使用地址
UltrAvatar是一款逼真可动的3D头像生成模型，它采用先进的AI技术，可以生成高保真度、高质量的3D头像。UltrAvatar应用了Score Distillation Sampling (SDS loss和可微分渲染器以及文本条件来引导扩散模型生...
-
20%的杨幂+80%的泰勒长什么样？小红书风格化AI来了，可兼容SD和ControlNet
不得不说，现在拍写真真是“简单到放肆”了。 真人不用出镜，不用费心凹姿势、搞发型，只需一张本人图像，等待几秒钟，就能获得7种完全不同风格: 仔细看，造型/pose全都给你整得明明白白，并且原图直出修也不用修了。 这搁以前，不得在写真馆耗上至少整整一天，把...
-
20%的杨幂+80%的泰勒长什么样？小红书风格化AI来了，可兼容SD和ControlNet
不得不说，现在拍写真真是“简单到放肆”了。 真人不用出镜，不用费心凹姿势、搞发型，只需一张本人图像，等待几秒钟，就能获得7种完全不同风格： 仔细看，造型/pose全都给你整得明明白白，并且原图直出修也不用修了。 这搁以前，不得在写真馆耗上至少整整一天，...
-
Yann LeCun发来肯定：腾讯人像照片生成可以随便玩了
这一次，Yann LeCun 首次跻身「百变大咖」。身穿钢铁侠的衣服、戴着酷酷的墨镜面无表情地注视着你，一身古装在故宫门前打卡留念…… 就连本人也出来转发并喊话，「左下角这幅文艺复兴时期的画，是我的最爱。」 性感女神寡姐身穿紫色巫师服注视着远方，还可...
-
一部iPhone实时渲染300平房间，精度达厘米级别！谷歌最新研究证明NeRF没死
3D实时渲染大型场景，一台电脑，甚至一部手机就可以完成。 从家里的客厅到主卧，储物间，厨房，卫生间各个死角，都能逼真在电脑中完成渲染，如同拍摄实物视频一般。 而且，你还可以在一台iPhone上完成复杂场景渲染。 来自谷歌、谷歌DeepMind和图宾根...
-
AI视野：通义千问上线通义舞王；斯坦福炒虾机器人爆火；Midjourney艺术家数据库泄露；Meta发布AI调试工具HawkEye；小冰大模型获备案
新鲜AI产品点击了解：https://top.aibase.com/ ???AI应用 通义千问上线通义舞王 阿里云通义千问APP近日上线了一项名为“通义舞王”的免费功能，用户只需在APP内输入相应口令并上传照片，系统即可生成个性化的舞蹈视频。 Meta发...
-
Dual-Pivot Tuning官网体验入口 AI图像复原软件app免费下载地址
Personalized Restoration via Dual-Pivot Tuning是一种简单有效的个性化图像复原方法。它包含两个步骤：1 通过微调条件性生成模型，利用编码器中的条件信息进行个性化；2 固定生成模型，调节编码器的参数以适应强化的...
-
面部图像修复突破性AI方法Dual-Pivot Tuning 实现人脸模糊变高清
图像修复一直是一个备受研究者关注的复杂挑战，其主要目标是在维持降质输入的感知质量的同时，创建视觉上吸引人且自然的图像。在没有有关主题或降质的信息的情况下（盲目恢复），了解自然图像范围至关重要。为了恢复面部图像，必须在确保输出保留个体独特面部特征之前包含身份...
-
基础模型+机器人：现在已经走到哪一步了
机器人是一种拥有无尽可能性的技术，尤其是当搭配了智能技术时。近段时间创造了许多变革性应用的大模型有望成为机器人的智慧大脑，帮助机器人感知和理解这个世界并制定决策和进行规划。近日，CMU 的 Yonatan Bisk 和 Google DeepMind...
-
数据闭环！DrivingGaussian：逼真环视数据，驾驶场景重建SOTA
本文经自动驾驶之心公众号授权转载，转载请联系出处。 写在前面&笔者的个人理解 北大王选计算机研究所的最新工作，提出了DrivingGaussian，一个高效、有效的动态自动驾驶场景框架。对于具有移动目标的复杂场景，首先使用增量静态3D高斯对整个...
-
DrivingGaussian：逼真环视数据，驾驶场景重建SOTA
本文经自动驾驶之心公众号授权转载，转载请联系出处。 原标题：DrivingGaussian: Composite Gaussian Splatting for Surrounding Dynamic Autonomous Driving Scenes...
-
一篇综述，看穿基础模型+机器人的发展路径
机器人是一种拥有无尽可能性的技术，尤其是当搭配了智能技术时。近段时间创造了许多变革性应用的大模型有望成为机器人的智慧大脑，帮助机器人感知和理解这个世界并制定决策和进行规划。 近日，CMU 的 Yonatan Bisk 和 Google DeepMind...
-
DreaMoving在哪里可以使用 AI视频背景修改工具
DreaMoving 是一款基于扩散模型的视频生成工具，可用于生成高保真度的定制人类舞蹈视频。用户只需提供目标人物的身份信息和舞蹈动作序列，DreaMoving 即可根据这些信息生成一个目标人物在任意场景中跳舞的视频。那么DreaMoving在哪里可以体验...
-
AI视野：Pika1.0首批用户资格揭晓；Runway官宣下场通用世界模型；妙鸭相机推出AI修图；抖音正式上线AI创作功能
???AI新鲜事 Pika1.0首批用户资格揭晓 Pika Labs最新视频生成产品Pika1.0引起轰动，已开始向候补名单用户发放使用资格。Pika1.0以文生成视频为特色，提供3秒视频快速生成、背景修改等功能。用户可在推特或邮箱确认是否成为首批体验者。...
-
阿里又整活儿：一张人脸一句话就能跳《擦玻璃》，服装背景随意换！
继AnimateAnyone之后，阿里又一项“舞蹈整活儿”论文火了—— 这一次，只需一张脸部照片、一句话描述，就能让你在任何地方跳舞！ 例如下面这段《擦玻璃》的舞蹈视频： 图片 你所需要做的就是“投喂”一张人像，以及一段prompt： 一个女孩，微笑着，...
-
AI换脸图像合成框架FaceStudio 支持多人图像合成
FaceStudio是一种身份保留合成方法，旨在在图像生成过程中保持主题的身份，并添加个性化的风格。与传统方法相比，FaceStudio通过直接前馈机制实现了快速高效的图像生成，避免了繁琐的调优和多个参考图像的需求。 项目地址:https://icoz6...
-
五官乱飞，张嘴、瞪眼、挑眉，AI都能模仿到位，视频诈骗要防不住了
防不住，根本防不住，现在 AI 模仿能力已经发展到这种程度了？ 你前脚让自己的五官乱飞，后脚，一模一样的表情就被复现出来，瞪眼、挑眉、嘟嘴，不管多么夸张的表情，都模仿的非常到位。 加大难度，让眉毛挑的再高些，眼睛睁的再大些，甚至连嘴型都是歪的，虚拟人物...
-
让Ai帮你工作（4）--锁定图片生成角色
背景： Gpt4多模态模型上来后，MJ也是紧接着发布了V5，微软发布自己Ai作图工具，Abode、unity这些传统老牌作图软件工具也是紧跟着发布自己的AI作图插件工具。这已经标志着Ai作图已经成为计算成像的另一条生成链。 各大厂都已经发布了...
-
NeRF与自动驾驶的前世今生，近10篇论文汇总！
神经辐射场（Neural Radiance Fields）自2020年被提出以来，相关论文数量呈指数增长，不但成为了三维重建的重要分支方向，也逐渐作为自动驾驶重要工具活跃在研究前沿。 NeRF这两年异军突起，主要因为它跳过了传统CV重建pipeline的...
-
Stable Diffusion - 扩展 Roop 换脸 (Face Swapping) 插件的配置与使用
欢迎关注我的CSDN：https://spike.blog.csdn.net/ 本文地址：https://spike.blog.csdn.net/article/details/131856141 官网：GitHub - roop，参考论文：Ro...
-
随着Gen AI采用激增，新研究报告提醒数据信任问题
企业可信人工智能（AI）数据公司Cloudera的最新研究显示，美国一半以上的机构组织（53%）目前使用生成式人工智能（Gen AI）技术，另有36%的组织正处于探索人工智能的早期阶段，准备明年实现。 但超过八成的受访数据战略和管理决策者（84%）担心...