生成语

ICML 2024｜复杂组合3D场景生成，LLMs对话式3D可控生成编辑框架来了 该论文的第一作者和通讯作者均来自北京大学王选计算机研究所的 VDIG (Visual Data Interpreting and Gen...

NeurIPS Spotlight｜从分类到生成：无训练的可控扩散生成 近年来，扩散模型（Diffusion Models）已成为生成模型领域的研究前沿，它们在图像生成、视频生成、分子设计、音频生成等众多领域展现出强大...

Seedream 3.0（即梦3.0）是字节跳动推出的AI图片生成模型，模型支持原生 2K 分辨率图像输出，快速生成高品质图像，仅需 3 秒。模型在小字生成与排版、美感与结构准确性等方面有显著提升，优化复杂文本排版和小字体高...

Qwen2VL-Flux是多模态图像生成模型，结合Qwen2VL的视觉语言理解和FLUX框架，基于文本提示和图像参考生成高质量的图像。模型支持多种生成模式，包括变体生成、图像到图像转换、智能修复及ControlNet引导生成...

PartCrafter 是先进的3D生成模型，能从单张RGB图像中生成多个语义明确且几何形态各异的3D网格。通过组合潜在空间表示每个3D部件，使用层次化注意力机制在部件内部和部件之间传递信息，确保生成的3D模型具有全局一致性...

MoviiGen 1.1 是ZulutionAI推出的专注于生成电影级画质视频的AI模型。模型基于 Wan2.1 微调而成，经过专业电影制作人和AIGC创作者在60个美学维度上的评估，表现出色。...

MagicPose是南加州大学和字节跳动联合研发的AI视频生成模型，无需任何微调，直接生成逼真的人类动作和面部表情视频。MagicPose通过一个新颖的两阶段训练策略，分离人体动作和外观特征，实现了在不同身份间进行动作和表情...

Gemini Coder 是基于 Google 的 Gemini API、Next.js 和 Tailwind CSS 的工具，用在快速生成 app 应用。Gemini Coder基于简单的描述，结合 Sandpack 实现...