谷歌重磅发布CAT3D 一分钟搞定任意数量视图到3D场景重建
论文链接，https，arxiv.orgpdf2405.10314项目链接，https，cat3d.github.io3D重建的进步使得高质量的3D捕捉成为可能，但需要用户收集数百到数千张图像来创建一个3D场景，本文提出了CAT3D，一种通......
已开源 曾爆火的 InstantID又有了新玩法 风格化图像生成
风格化图像生成，也常称为风格迁移，其目标是生成与参考图像风格一致的图像，此前基于diffusion的方法，比如LoRA，通常需要批量的同风格数据进行训练，无法迁移到新的风格中，或者基于inversion，如StyleAlign，，通过将风格......
视觉定位 图像生成 编辑 入门必读！多模态大语言模型的演变全回顾！ 理解
文章链接，https，arxiv.orgabs2402.12451连接文本和视觉模态在生成式AI中起着至关重要的作用，受到大语言模型，本文简称LLM，成功的启发，人们正在致力于开发多模态大语言模型，MLLMs，这些模型可以无缝地集成视觉和文......
具有空间意识的文本 谷歌& Mistral AI发布TIPS
文章链接，https，arxiv.orgpdf2410.16512亮点直击通用图像表示模型，TIPS结合图像文本和自监督学习的优势，适用于密集和全局预测任务，实现了广泛的下游应用，增强的文本监督信号，利用合成生成的图像描述标签，提升了模型对......
首次超越扩散模型和非自回归Transformer模型！字节开源RAR 自回归生成最新SOTA！
文章链接，https，arxiv.orgpdf2411.00776项目链接，https，yucornetto.github.ioprojectsrar.html代码&，amp，模型链接，https，github.combyte......
微软 罗切斯特大学& 图像编辑多任务一网打尽！PromptFix 大规模视觉指令数据集 新型扩散模型&
文章链接，https，arxiv.orgpdf2405.16785项目链接，https，www.yongshengyu.comPromptFixPage亮点直击提出了一个为七个图像处理任务量身定制的综合数据集，该数据集包含约101万对多样化......
无需昂贵标注！大幅提升SDXL和SD3
文章链接，https，arxiv.orgpdf2410.18013亮点直击合成标注偏好数据集，SynPic，从不同的T2I模型生成图像，并通过多个预训练的奖励模型对其进行标注，这些模型可以估计人类偏好，因此，数据收集过程中无需人工标注，使得......
让移动成像技术飞跃 AI手机迎来重大技术进展！Meissonic 颜水成团队新作
文章链接，https，arxiv.orgpdf2410.08261模型链接，https，huggingface.coMeissonFlowMeissonic在线Demo链接，https，huggingface.cospacesMeisson......
自回归可以打败扩散模型吗 在图像生成领域
图像生成领域，有这么几种方法，FlowBased、GANBased、VAE，PixelCNN系列、扩散模型自回归，更早期的是基于自编码器的图像生成，各种AutoEncoder模型，以及影响很大的变分自编码器dVAE，后面又有FlowBase......
共1页 9条