摄影级画面秒生成 Midjourney V6.1再进化！人像逼真细节拉满
Midjourney几个月前画的饼终于端上来了！他们今天刚刚发布了最新版本v6.1！此次更新总结四个大字，细节狂魔，网友纷纷发推测试最新版本的Midjourney，摄影级画面先睹为快！这张图被取名为，天窗，，构图、色彩、光影、明暗，各方面都......
ShareGPT4V作者团队又一力作！百万高质量视频
继Sora官宣之后，多模态大模型在视频生成方面的应用简直就像井喷一样涌现出来，LUMA、Gen3Alpha等视频生成模型展现了极佳质量的艺术风格和视频场景的细节雕刻能力，文生视频、图生视频的新前沿不断被扩展令大家惊喜不已，抱有期待，最近，来......
2D头像生成3D虚拟人开视频会 谷歌新作让人难绷
开视频远程会议的时候，很多人都不喜欢打开摄像头，即使开了，在界面上大家也都被框在不同的窗口里，虽然这种形式操作起来很方便，但总是缺乏点临场感，最近，谷歌提出了一项研究旨在解决这个问题，这个名叫ChatDirector的技术可以使用静态的2D......
Sora 再不发布 OpenAI 就晚了
出品技术栈，微信号，blog51cto，变天了！还记得OpenAI刚推出Sora时给人的惊艳感，但在文生视频领域，Sora想一家独大也没有那么简单，如今，越来越多表现不俗的替代方案已经出现，继LumaAI的DreamMachine首次亮相之......
深入理解Sora技术原理
OpenAI发布的视频生成模型Sora，https，openai.comsora，，能根据文本生成长达一分钟的高质量视频，理论上支持任意分辨率，如1920x1080、1080x1920，生成能力远超此前只能生成25帧576x1024图像的顶......
硬盘里的珍藏电影可以更清晰了 清华大学提出视频去模糊领域适应方案
引言，视频动态场景中的模糊问题及其挑战这篇论文主要研究了动态场景视频去模糊技术，旨在消除拍摄过程中产生的不想要的模糊瑕疵，然而，尽管之前的视频去模糊方法取得了显著的成果，但由于训练和测试视频之间的域差距，导致在真实世界场景中的表现大幅下降，......
自然 Nature 用于对话情境中情绪识别的 科学数据子刊 EEG
情感识别技术在现代人机交互中扮演着越来越重要的角色，随着人工智能和机器学习技术的快速发展，理解和识别人类情感已成为实现更自然、更人性化互动的关键，情感识别不仅能够提升用户体验，还能在心理健康监测、智能客服、教育和娱乐等多个领域发挥重要作用，......
港中文 斯坦福& 第一个生成具有相机控制的多视图一致视频方案！ 即插即用！CVD
论文链接，https，arxiv.orgabs2405.17414项目链接，https，collaborativevideodiffusion.github.io最近对视频生成的研究取得了巨大进展，使得可以从文本提示或图像生成高质量的视频，......
VideoAgent基于大语言模型的视频QA系统 斯坦福大学
架构图片上图是VideoAgent的概览图，VideoAgent通过搜索、聚合视频信息来完成长视频QA，整个系统包括一个核心LLM、VLM，视觉大语言模型，和CLIP工具，作者受到人类理解长视频的启发，提出了VideoAgent，通过基于A......
实战 SpringBoot 文件上传之秒传 分片上传 断点续传
在日常开发中，文件上传的场景多种多样，比如，在线教育平台上的视频资源上传，社交平台上的图片分享，以及企业内部的知识文档管理等。...