-
每日AIGC最新进展(57)：小红书提出视频理解模型VideoLLM-MoD、香港大学提出脉冲神经扩散模型、香港大学提出使用反球面插值改进基于扩散模型的数据增强方法
Diffusion Models专栏文章汇总：入门与实战 VideoLLM-MoD: Efficient Video-Language Streaming with Mixture-of-Depths Vision Computation 随着...
-
探索时空，让旧照片重焕新生 —— DeOldify for Stable Diffusion WebUI
探索时空，让旧照片重焕新生 —— DeOldify for Stable Diffusion WebUI sd-webui-deoldifyDeOldify for Stable Diffusion WebUI：This is an extension...
-
comfyUI-MuseTalk用户交互体验的参数设计和设置
comfyUI-MuseTalk用户交互体验的参数设计和设置 目录 comfyUI-MuseTalk的参数设置 一、ComfyUI-VideoHelperSuite 二、comfyUI-MuseV合成的参考视频 2.1、什么时候会用到MuseV？...
-
Vidu有哪些功能免费吗？AI视频生成平台怎么使用方法详细教程指南
Vidu 是什么？ Vidu是一个创新的视频生成平台，允许用户在极短的时间内创建出具有电影质感的个性化视频。它结合了真实与动画风格，提供了丰富的视频创作工具，让用户能够轻松化身导演，创作出令人印象深刻的视频作品。 Vidu 有哪些功能？ 快速生成：...
-
文生视频大模型，短视频的过弯点？
随着今年初Sora的横空出世，这个可以创建长达一分钟视频的文生视频模型就成为了国内厂商追逐的焦点。 6月初，快手自研的视频生成大模型“可灵”正式上线。可灵AI采用了与Sora相似的技术路线，能够生成具有合理运动和模拟物理世界特性的视频。 截至目前，已有超百...
-
揭秘！FFmpeg+Whisper双剑合璧：解锁视频到文本的二阶段奇迹
解锁视频到文本的二阶段奇迹 一、引言 二、视频音频提取与处理 视频音频提取与处理 2.1 环境搭建 2.2 视频音频提取 2.3 音频预处理 示例代码： 三、语音识别与翻译 3.1 加载Whisper模型 3.2 语音识别 3.3 语言检...
-
生成式人工智能（AIGC）：开发者的得力助手还是职业威胁？
🎬 鸽芷咕：个人主页 🔥 个人专栏: 《C++干货基地》《粉丝福利》 ⛺️生活的理想，就是为了理想的生活! 引言 在当今软件开发领域，生成式人工智能（AIGC）技术正在以前所未有的方式改变着开发者...
-
Stable Diffusion教程：额外功能/后期处理/高清化
"额外功能"对应的英文单词是Extras，算是直译。但是部分版本中的翻译是“后期处理”或者“高清化”，这都是意译，因为它的主要功能是放大图片、去噪、修脸等对图片的后期处理。注意这里边对图片的处理不是 Stable Diffusion 本身的能力，都是额外扩...
-
Yann LeCun：ViT慢且效率低，实时图像处理还得看卷积
在 Transformer 大一统的时代，计算机视觉的 CNN 方向还有研究的必要吗？ 今年年初，OpenAI 视频大模型 Sora 带火了 Vision Transformer（ViT）架构。此后，关于 ViT 与传统卷积神经网络（CNN）谁更厉害的争...
-
快速学会一个算法，xLSTM
今天给大家分享一个超强的算法模型，xLSTM。 xLSTM（Extended Long Short-Term Memory）是对传统 LSTM（Long Short-Term Memory）模型的扩展和改进，旨在提升其在处理时间序列数据和序列预测任务中的...
-
基于深度学习的实时视频处理 | 入门指南
近来，整个机器学习领域似乎被大型语言模型（LLM）和检索增强生成（RAG）所掩盖。虽然许多用例可以从这些新的基础模型中受益，但在非文本数据方面仍存在差距。我常把当前的机器学习阶段比作汽车工业中从燃油车向电动车的转变。燃油车已经有完善的基础设施（如汽车服务...
-
清华团队国产“Sora”火了：生数科技发布视频大模型「Vidu」
在中关村论坛的未来人工智能先锋论坛中，生数科技与清华大学携手，正式推出了中国首个具备长时长、高一致性及高动态性的视频大模型——“Vidu”。 这款引领时代的视频大模型，其核心在于团队原创的Diffusion与Transformer融合的U-ViT架构。它不...
-
Adobe推出全新AI技术VideoGigaGAN：视频清晰度提升8倍
快科技4月26日消息，Adobe公司宣布了一项革命性的新技术VideoGigaGAN，这是一项基于人工智能的视频超分辨率技术，能够将视频清晰度提高8倍。 VideoGigaGAN技术的发布，标志着视频放大技术的又一重要进步，为视频编辑、增强和修复等领域带来...
-
GPT-5：我们期待看到的4个新功能
尽管我们不知道GPT-5何时发布，但是我们依然可以期待一下GPT-5的新功能。 OpenAI的GPT-4目前是市场上最好的生成式AI工具，但这并不意味着我们不展望未来。随着OpenAI首席执行官Sam Altman定期暗示GPT-5的信息，似乎我们不久将...
-
AMD发布第二代Versal自适应SoC：10倍标量性能、全程AI加速
快科技4月9日消息，AMD今天宣布，旗下的Versal自适应片上系统(SoC 产品升级全新第二代，包括面向AI驱动型嵌入式系统的AI Edge 2VE3000系列、面向经典嵌入式系统的Prime系列。 新一代产品很好地平衡了性能、功耗、面积，以及先进的功...
-
还得是抖音，字节推出竖屏视频理解数据集，入选CVPR2024
想了解更多AIGC的内容，请访问： 51CTO AI.x社区 https://www.51cto.com/aigc/ 短视频在当下社交媒体逐渐成为主导的视频格式。传统视频处理技术和研究一般都专注于横屏视频的理解和解析，而竖屏视频因其拍摄手法和内容重点不同...
-
探索人工智能对民主的潜在影响
近年来，人们越来越担心人工智能（AI）对选举和民主进程的破坏性影响。尤其是随着人工智能生成的深度伪造（逼真的音频和视频处理）的激增，选民对错误信息和不信任的担忧与日俱增。 人工智能对民主的潜在影响是一个复杂而且多维度的话题，涉及到政治、社会、经...
-
AIGC发展史
1 AIGC概况 1.1 AIGC定义 AIGC（AI Generated Content）是指利用人工智能技术生成的内容。它也被认为是继PGC,UGC之后的新型内容生产方式，AI绘画、AI写作等都属于AIGC的具体形式。2022年AIGC发展速度惊人...
-
苹果M4芯片有望明年一季度发布：主打AI 新MacBook Pro首发
快科技3月27日消息，据名记马克古尔曼最新曝料，苹果已经在着手开发搭载M4芯片的全新MacBook Pro。 根据Canalys机构曝光的路线图，M4系列芯片有望2025年第1季度上线，将主打AI功能。 目前苹果已经宣布，将于美国太平洋时间6月10日-6月...
-
MOTIA官网体验入口 AI视频内容外延处理工具免费使用地址
MOTIA是一个基于测试时适应的扩散方法，利用源视频内的内在内容和运动模式来有效进行视频外延画。该方法包括内在适应和外在渲染两个主要阶段，旨在提升视频外延画的质量和灵活性。 点击前往MOTIA官网体验入口 谁可以从MOTIA中受益？ MOTIA适用于研究...
-
视频采集卡的作用及其在现代多媒体应用中的重要性
随着多媒体技术的飞速发展和数字化时代的到来，视频采集卡作为一种重要的硬件设备，在各种场合中扮演着不可或缺的角色。视频采集卡主要用于将模拟视频信号转换为数字信号，并进一步在计算机中进行处理、编辑和存储。本文将详细探讨视频采集卡的作用，以及它在现代多媒体应用中...
-
视频采集接口的发展与应用探析
摘要：随着多媒体技术的飞速发展和数字化时代的到来，视频采集接口作为连接模拟与数字世界的桥梁，在各个领域都发挥着不可或缺的作用。本文首先简要介绍了视频采集接口的基本概念和工作原理，随后详细分析了其发展历程、主要类型，以及在不同领域中的应用，最后对视频采集接口...
-
USB视频采集卡的应用与技术创新
在现代信息技术蓬勃发展的时代背景下，数据传输与处理已然成为了人们工作和生活中的核心组成部分。特别是对于视听传媒行业，视频的质量和传输效率始终是人们关注的焦点。随着技术不断进步，“USB视频采集卡”作为一种高效且便捷的视频数据接口解决方案，其在市场上的重要性...
-
深入解析视频采集卡：技术、应用与未来发展
在当今高度信息化的社会，视频已经成为了信息传播的主流方式之一。从电视广播到网络直播，从安防监控到视频会议，视频的身影无处不在。而在这些应用场景中，视频采集卡发挥着不可或缺的作用。本文将详细解析视频采集卡的技术原理、应用场景以及未来发展趋势，带领读者深入了解...
-
掌握帝国CMS：视频采集教程详解
在当今数字化时代，内容管理系统（CMS）已成为网站建设和维护的核心工具。帝国CMS作为国内知名的内容管理系统之一，凭借其强大的功能和灵活的扩展性，受到了广大站长的青睐。其中，视频采集功能更是为站长们提供了便捷的内容获取途径。本文将详细介绍如何使用帝国CMS...
-
电脑视频采集软件的发展与应用探析
随着信息技术的迅猛发展和多媒体应用的广泛普及，电脑视频采集软件逐渐成为数字化时代不可或缺的重要工具。该软件能够实现视频信号的捕获、处理、存储和传输等功能，为用户提供高质量的视频体验和便捷的编辑手段。本文将全面探讨电脑视频采集软件的发展历程、核心功能、应用场...
-
视频采集卡的核心功能及其在现代多媒体应用中的重要性
随着多媒体技术的迅猛发展和数字化时代的全面来临，视频采集卡作为连接模拟与数字世界的桥梁，在各种应用场景中发挥着越来越重要的作用。视频采集卡的主要功能是将模拟视频信号转换为数字信号，进而在计算机上进行处理、编辑和存储。这一过程不仅涉及信号格式的转换，还包括图...
-
视频采集卡驱动：技术细节与应用全解析
在数字视频处理与传输技术日新月异的今天，视频采集卡作为一种关键的硬件设备，其性能与稳定性直接关乎到视频采集与处理的最终效果。而视频采集卡驱动，作为连接硬件与操作系统的桥梁，更是扮演着至关重要的角色。本文将深入探讨视频采集卡驱动的技术细节、应用场景以及发展趋...
-
中国首部文生视频AI系列动画片：《千秋诗颂》英文版发布
快科技3月10日消息，据央视新闻报道，今日，中国首部文生视频AI系列动画片《千秋诗颂》英文版在总台CGTN正式上线发布。 据介绍，该系列动画片英文版同样采用总台最新AI技术译制配音完成。 总台CGTN运用AI语言模型对中文脚本进行翻译润色，配音过程使用文生...
-
视频采集软件的发展与应用探析
随着信息技术的迅猛发展和多媒体时代的全面到来，视频采集软件作为信息获取和传递的重要手段，正日益受到社会各界的广泛关注。视频采集软件是指通过计算机或其他智能设备，对模拟或数字视频信号进行捕获、处理、压缩和存储的一类应用软件。它在教育、娱乐、安防、医疗、科研等...
-
性能8.6倍于竞品！高通AI大揭秘：NPU引领四兄弟无敌
生成式AI的变革，对于基础硬件设计、软件生态开发都提出了新的、更高的要求，尤其是底层硬件和算力必须跟上新的形势，并面向未来发展做好准备。 近日，高通特别发布了《通过NPU和异构计算开启终端侧生成式AI》白皮书，对于终端侧生成式AI的发展趋势，以及高通骁龙处...
-
探讨外置视频采集卡的原理、应用与未来发展趋势
在数字化和信息化高度发展的时代，视频处理技术显得尤为重要。特别是在视频录制、编辑、传输等方面，随着技术的不断创新和完善，外置视频采集卡应运而生，它作为视频处理的一个重要环节，扮演着不可或缺的角色。本文将对外置视频采集卡的原理、应用领域及未来发展趋势进行深入...
-
Visual Electric官网体验入口 AI图像生成工具免费在线使用地址
Visual Electric是一个面向创意人员的图像生成平台，帮助用户将心中的视觉点子变为现实。该平台采用富有创造力的界面设计，提供开放式画布，激发灵感，便于开展视觉概念的创作。平台鼓励通过“重混”功能进行迭代开发，让用户通过不同的氛围和颜色不断完善创意...
-
生成式人工智能（AIGC）之最全详解图解
生成式人工智能（AIGC）之最全详解图解 1. AIGC的发展历程 1.1 AIGC演化重要时间节点 AIGC发展历程图 OpenAI大语言模型发展进程 1.2技术推进路线 2.AIGC技术场景 2.1 技术场景 3.1AIGC相关应用...
-
sora概念股有哪些？A股中涉及“AI视频”概念的公司名单
OpenAI发布了首个视频生成模型Sora，这一模型可以生成1分钟流畅高清视频。同时，A股市场上的“AI视频”概念股也备受关注。 以下是A股中涉及"AI视频"概念的公司情况: - 信雅达虽然没有AI视频业务，但表示要依靠该概念来维持热度。公司与Pika开...
-
ChatGPT研究报告：AIGC带来新一轮范式转移
本文约4000字，目标是快速建立AIGC知识体系，含有大量的计算专业名词，建议阅读同时扩展搜索。 一、行业现状 1、概念界定 区别于PGC与UGC不同的，AIGC是利用人工智能技术自动生成内容的新型生产方式。 2、数据模...
-
GRUP MEDIAPRO宣布与微软成立AI合成媒体实验室
GRUP MEDIAPRO 在 ISE 展会的框架内，宣布与微软合作，启动了一个人工智能和合成媒体实验室。这是两家公司为了为音像行业开发解决方案而共享技术和商业知识的一个重要步骤。 GRUP MEDIAPRO 和微软的合作基于以人为本的理念，同时承诺在人...
-
Semron筹集790万美元，用于移动设备的3D封装AI芯片、效率提升20倍
德国公司Semron最近成功融资了790万美元（730万欧元），旨在通过先进的3D封装技术推动移动设备上的AI芯片效率提升。总部位于德累斯顿的Semron表示，他们的目标是在移动设备上设立新的AI芯片标准，以满足行业不断发展的需求。 图源备注：图片由AI...
-
学习之旅：揭秘AI绘画与视频生成的奥妙（2）
前言 在这篇文章中，我们将深入探讨如何使用Ebsynth Utility插件为视频带来全新的视觉效果。通过重绘视频，我们可以实现对视频风格的调整，为其增添独特的艺术氛围。我们将分享实际操作步骤以及过程中可能遇到的问题，帮助大家更好地掌握这...
-
Yann LeCun：生成模型不适合处理视频，AI 理解视频得在抽象空间中进行预测
根据图灵奖得主、Meta 首席 AI 科学家在世界经济论坛上的讲话，生成模型不适合处理视频，AI得在抽象空间中进行预测。在互联网文本数据即将枯竭之际，很多 AI 研究者将目光转向了视频。但如何让 AI 理解视频数据成了新的难题。 斯坦福大学教授指出了理解因...
-
分析Stable Diffusion、AnimateDiff、animatediff-cli-prompt-travel 区别
1.animatediff-cli-prompt-travel 和animatediff区别 animatediff-cli-prompt-travel和animatediff在功能和使用方式上有一些不同。 首先，ani...
-
ActAnywhere体验入口 AI自动视频背景生成工具在线使用地址
ActAnywhere是一个用于自动生成与前景主体运动和外观相符的视频背景的生成模型。该任务涉及合成与前景主体运动和外观相一致的背景，同时也符合艺术家的创作意图。ActAnywhere利用大规模视频扩散模型的力量，并专门定制用于此任务。ActAnywher...
-
杰克逊跳舞秒变3D机器人！阿里又出新活儿，视频任何人可替换
这究竟是怎么回事？ 原来啊，阿里又整出新活儿—— MotionShop，能将视频中的人物角色替换成3D形象，同时又不改变其他场景和人物。 比如，打工仔小猪打太极。 看到这有人已经迫不及待了。目前已在ModelScope社区开放试玩。 还有人建议说在Hu...
-
使用OpenVINO™在算力魔方上加速stable diffusion模型
作者：武卓博士 英特尔AI布道师 刘力 英特尔物联网行业创新大使 什么是stable diffusion模型？ Stable Diffusion是stability.ai开源的AI图像生成模型，实现输入文字，生成图像...
-
AI视野：阿里推ReplaceAnything框架；OpenAI取消军用禁令；Pika推视频画面扩充功能；SD推图生视频插件I2V-Adapter
欢迎来到【AI视野】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。 新鲜AI产品点击了解：https://top.aibase.com/ 👨💻💡🎯聚焦开发者 阿里推Rep...
-
AI 绘画Stable Diffusion 研究（十三）SD数字人制作工具SadTlaker使用教程
免责声明: 本案例所用安装包免费提供，无任何盈利目的。 大家好，我是风雨无阻。 想必大家经常看到，无论是在产品营销还是品牌推广时，很多人经常以数字人的方式来为自己创造财富。而市面上的数字人收费都比较昂贵，少则几千，多则上万。 那么如何才能免费制作属于...
-
AI解读视频张口就来？这种「幻觉」难题Vista-LLaMA给解决了
近年来，大型语言模型如 GPT、GLM 和 LLaMA 等在自然语言处理领域取得了显著进展，基于深度学习技术能够理解和生成复杂的文本内容。然而，将这些能力扩展到视频内容理解领域则是一个全新的挑战 —— 视频不仅包含丰富多变的视觉信息，还涉及时间序列的动态...
-
AI绘画中UNet用于预测噪声
介绍 在AI绘画领域中，UNet是一种常见的神经网络架构，广泛用于图像相关的任务，尤其是在图像分割领域中表现突出。UNet最初是为了解决医学图像分割问题而设计的，但其应用已经扩展到了多种图像处理任务。 特点 对称结构：UNet的结构呈现为“U...
-
折射OpenAI新一年技术路线图，透视Sam Altman的12个愿望清单
当地时间12月24日，Sam Altman 在X 平台上罕见地发起了一个「许愿池」， 「希望 OpenAI 在2024年构建/修复什么?」，这条推文迅速吸引 AI 领域众多大佬和网友的参与。 两个小时后，Sam Altman 挑选了12个期望值最高的愿望清...
-
用嘴写代码？继ChatGPT和NewBing之后，微软又开始整活了，Github Copilot X！
用嘴写代码？继ChatGPT和NewBing之后，微软又开始整活了，Github Copilot X！ AI盛行的时代来临了，在这段时间，除了爆火的GPT3.5后，OpenAI发布了GPT4版本，同时微软也在Bing上开始加入了AI，也就是NewB...