Ad image
Ad image

最近更新

JoyVASA – 京东健康开源的音频驱动的数字人头项目

JoyVASA是什么 JoyVASA是京东健康国际公司开源的音频驱动的数字人头项目,基于扩散模型技术,根据音频信号生成与音频同步的面部动态和头部运动。JoyVASA能实现人物的唇形同步和表情控制,还扩展到动物头像的动画生成,在多语种支持和跨…

预计阅读时间: 14

In-Context LoRA – 阿里通义推出的基于DiTs的图像生成框架

In-Context LoRA是什么 In-Context LoRA是阿里巴巴通义实验室推出的基于扩散变换器(DiTs)…

Add-it – 英伟达推出无需训练的图像编辑技术

Add-it是什么 Add-it是NVIDIA推出的无需训练的图像编辑技术,能根据文本指令在图像中添加对象。这项技术基于…

DINO-X – IDEA 研究院推出的通用视觉大模型

DINO-X是什么 DINO-X是IDEA研究院推出的通用视觉大模型,具备开放世界对象检测与理解能力。支持文本、视觉和定…

The Matrix – 阿里联合港大等多所机构推出的AI基础世界模拟器

The Matrix是什么 The Matrix是与电影同名的首个AI基础世界模拟器,是全华人团队推出的(作者分别来自阿…

OmniEdit – 滑铁卢大学等机构开源的通用图像编辑模型

OmniEdit是什么 OmniEdit是先进的图像编辑技术,通过结合多个专家模型的监督来训练一个通用模型,处理多种图像编辑任务。能处理不同纵横比的图像,七种不同的图像编辑任务,包括对象替换、移除、添加等,支持任意宽高比和分辨率。基于七个专家模型的监督训练确保任务覆盖,用在大型多模态模型评分提高训练数据质量,采用EditNet的新架构,提高了编辑的成功率。OmniEdit在自动评估和人工评估中均显…

预计阅读时间: 14

Ming‑Flash‑Omni 2.0 – 蚂蚁开源的全模态大模型

Ming-flash-omni-2.0是什么 Ming-flash-omni-2.0是蚂蚁集团开源的全模态大模型,采用1…

GPT‑5.3‑Codex‑Spark – OpenAI推出的轻量级编程模型

GPT‑5.3‑Codex‑Spark是什么 GPT-5.3-Codex-Spark是OpenAI首个专为实时编程设计的…

DynaMem – 纽约大学和Hello Robot推出的动态空间语义记忆系统

DynaMem是什么 DynaMem是纽约大学和Hello Robot推出的动态空间语义记忆系统,专为开放世界中的移动操…

MVPaint – 腾讯PCG联合多所高校共同推出的3D纹理生成框架

MVPaint是什么 MVPaint是腾讯PCG 、上海AI LAB、南洋理工大学S-Lab、清华大学共同推出的3D纹理…

LTX Video – Lightricks推出的开源AI视频生成模型

LTX Video是什么 LTX Video是Lightricks推出的开源AI视频生成模型,能在4秒内生成5秒的高质量…

Agnes-2.5-Flash – Agnes AI 推出的新一代高性能文本模型

Agnes-2.5-Flash是什么 Agnes-2.5-Flash 是 Agnes AI 推出的新一代高性能文本模型,…