图像生成
图像,绘画
Gemini翻车，谷歌决策十字路口：该解雇CEO还是该进行“结构化变革”？
摘要：谷歌的Gemini Pro 1.5发布后，因无法生成“白人形象”而引发争议，被指责存在价值观上的歧视。谷歌CEO Sundar Pichai 发表声明，承诺进行结构性改变。此...
ICLR 2024 Spotlight｜厦门大学、Intel、大疆联合出品，从网络视频中学习零样本图像匹配大模型
摘要：图像匹配是计算机视觉中的关键任务，对于三维重建、视觉定位等应用至关重要。传统算法如SIFT在复杂场景下表现有限，而基于深度学习的模型受限于特定场...
想训练类Sora模型吗？尤洋团队OpenDiT实现80%加速
摘要总结：Sora的创新：2024年，Sora的出现为文生视频研究者设立了新目标。其核心技术之一是将视觉数据转化为统一表征形式，结合Transformer和扩散模型，展现...
让Sora东京女郎唱歌、高启强变声罗翔，阿里人物口型视频生成绝了
摘要：机器之心报道了阿里巴巴智能计算研究院的EMO（Emote Portrait Alive）框架，这是一个音频-视频合成方法，用于生成表现力强、真实度高的说话人头部视频...
AI视频又炸了！照片+声音变视频，阿里让Sora女主唱歌小李子说rap
摘要总结：阿里推出了一款名为EMO的基于音频驱动的肖像视频生成框架，引起了广泛关注。用户只需提供一张参考图像和一段音频，即可生成表情生动的AI视频。这项...
吐槽完 Sora，Google自己做的“基础世界模型”来了
Google DeepMind推出了名为「Genie」的人工智能模型，这是一个能够根据用户提示生成交互式视频游戏的AI。Genie可以将合成图像、真实照片、手绘草图或想法转换...
Llama 3被爆7月解禁剑指GPT-4，最大参数超1400亿！2名核心团队成员却离职
新智元报道：据外媒报道，Meta计划在7月发布Llama 3，这是一个开源大模型，预计将具有超过1400亿参数，性能将远超Llama 2。Llama 3将解除一些限制，能更好地...
中国如何复刻Sora，华人团队长文解构！996 OpenAI研究员：Sora是视频GPT-2时刻
摘要：OpenAI研究员Jason Wei将Sora视频生成模型比作视频领域的GPT-2，预示着视频生成技术的新时代。Sora能够创作出具有艺术感和逼真度的短视频，尽管还不能...
谷歌CEO承认其人工智能完全搞砸了
谷歌近期遭遇了一起由Gemini AI引擎生成的多元化纳粹图片引发的公关危机。这一事件引发了公众的关注和不满，因为这种做法不仅缺乏审美品位，还历史事实不准确...
速递 | 刚刚敲定！AI图像Photoroom估值5亿美金，融资4300万美金，专注自研大模型
Photoroom，一家总部位于巴黎的人工智能照片编辑应用公司，以其惊人的增长速度吸引了大量在线商务和休闲用户。近日，该公司成功完成了最新一轮融资，估值达到...
