IMAGPose 是南京理工大学推出的用于人体姿态引导图像生成的统一条件框架。解决传统方法在姿态引导的人物图像生成中存在的局限性，如无法同时生成多个不同姿态的目标图像、从多视角源图像生成目标图像受限，以及使用冻结的图像编码器导致人物图像细节信息丢失等问题。
（图片来源网络，侵删）
（图片来源网络，侵删）
上一篇
IMAGPose – 南京理工大学推出姿态引导图像生成的统一框架
猜你喜欢
-
发布了文章 1分钟前
MV-baidu09MATH – 中科院推出的基准数据集，评估模型处理多视觉信息的数学推理能力
MV-MATH 是中科院自动化所提出的新基准数据集，评估多模态大语言模型（MLLMs）在多视觉场景中的数学推理能力。数据集包含2009个高质量的数学问题，每个问题都结合了多个图像和文本，形成了图文交错的多视觉场景。...
-
发布了文章 4分钟前
MV-baidu09Adapter – 北航联合 VAST 等开源的多视图一致图像生成模型
MV-Adapter是多视图一致图像生成模型，是北京航空航天大学、VAST和上海交通大学的研究团队推出的。MV-Adapter能将预训练的文本到图像扩散模型转化为多视图图像生成器，无需改变原始网络结构或特征空间。...
-
发布了文章 6分钟前
MUMU – 文本和图像驱动的多模态生成模型
MUMU是一种多模态图像生成模型，通过结合文本提示和参考图像来生成目标图像，从而提高生成的准确率和质量。MUMU模型的架构基于SDXL的预训练卷积UNet，采用了视觉语言模型Idefics2的隐藏状态构建。...
-
发布了文章 9分钟前
MTVCrafter – 中科院联合中国电信等机构推出的人像动画生成框架
MTVCrafter是中国科学院深圳先进技术研究院计算机视觉与模式识别实验室、中国电信人工智能研究所等机构推出的新型人类图像动画框架，基于原始3D运动序列进行高质量动画生成。框架基于4D运动标记化（4DMoT）直接对3D运动...
-
发布了文章 12分钟前
MT-baidu09TransformerEngine – 摩尔线程开源的高效训练与推理优化框架
MT-TransformerEngine 是摩尔线程开源的高效训练与推理优化框架，专为 Transformer 模型设计。框架通过算子融合、并行加速等技术，充分基于摩尔线程全功能 GPU 的计算潜力，显著提升训练效率。...
-
发布了文章 14分钟前
MT-baidu09MegatronLM – 摩尔线程开源的混合并行训练框架
MT-MegatronLM 是摩尔线程推出的面向全功能 GPU 的开源混合并行训练框架，主要用于高效训练大规模语言模型。支持 dense 模型、多模态模型及 MoE（混合专家）模型的训练。框架基于全功能 GPU 支持 FP8...
-
发布了文章 14分钟前
MT-baidu09Color – 上海交大联合哔哩哔哩推出的可控图像着色框架
MT-Color是上海交通大学联合哔哩哔哩推出的基于扩散模型的可控图像着色框架，基于用户提供的实例感知文本和掩码实现精确的实例级图像着色。框架基于像素级掩码注意力机制防止色彩溢出，用实例掩码和文本引导模块解决色彩绑定错误问题...
-
发布了文章 17分钟前
MSQA – 大规模多模态3D情境推理数据集
MSQA（Multi-modal Situated Question Answering）是大规模多模态情境推理数据集，提升具身AI代理在3D场景中的理解与推理能力。数据集包含251K个问答对，覆盖9个问题类别，基于3D场景...
全部评论
留言在赶来的路上...
发表评论