-
北京大学、腾讯PCG联手推出ReVideo:通过动作和内容控制重新制作视频
尽管使用扩散模型在视频生成和编辑方面取得了显着进步,但实现准确和本地化的视频编辑仍然是一个巨大的挑战。此外,大多数现有的视频编辑方法主要集中于改变视觉内容,而专门针对运动编辑的研究有限。 演示:https://mc-e.github.io/project/ReVideo/ 论文:https://arxiv.org/abs/2405.13865 项目:https://github.com/MC-E/…- 811
- 0
-
【是这样的山】comfyui使用Sora教程:北京大学复现 OpenAI Sora 视频生成模型
这段视频主要介绍了北京大学拓展团队开发的Open Sora项目,这是一个对Sora模型的模仿,目前处于1.0版本,可以生成两秒的512×512尺寸的视频。视频演示了如何在comfyui上使用该插件,以及生成的视频效果。 Open sora项目介绍:Open sora项目是北京大学拓展团队开发的,目前处于1.0版本,可以生成两秒的512×512尺寸的视频。该项目是一个对solar模型的模仿。 com…- 1k
- 0
-
"Pika、北京大学和斯坦福大学推出RPG-DiffusionMaster模型:增强文本到图像生成/编辑的组合性”
pika与北京大学和斯坦福大学合作推出 RPG-DiffusionMaster。 RPG 利用多模态 LLMs 来掌握复杂且组合的文本到图像生成/编辑中的扩散模型,从而实现最先进的性能。扩散模型在文本到图像的生成和编辑方面表现出了卓越的性能。然而,现有的方法在处理涉及具有多个属性和关系的多个对象的复杂文本提示时经常面临挑战。 研究人员提出了一种全新的免训练文本到图像生成/编辑框架,即Recapti…- 682
- 0
-
腾讯AI视频生成模型AnimateZero,或许会成为 Animatediff 的继任者
由北京大学、腾讯AI实验室和香港科技大学共同研发的一种称为 "AnimateZero" 的AI视频扩散模型,它可以将静态图像转化为动态视频。 传统的视频扩散模型存在一些问题,比如生成过程不透明、效率低下、受域限制等。为了解决这些问题,AnimateZero 提出了一种逐步视频生成的方法,将视频生成过程分解为外观和运动两个步骤。这样可以更加高效和可控地生成满意的图像,再通过进一步…- 532
- 0
-
清华大学与北京大学研究团队共同开发基于大型语言模型 (LLM) 多模态任务智能体AI模型
AI机器人变得更“聪明”了! 最近利用来自大型语言模型 (LLM) 的机器学习AI模型在构建多面手代理方面取得了显著的成功,这些多面手代理展示了在不同领域解决通用任务的能力。然而,这些模型在理解和与3D场景中交互方面存在一定的限制。 大型语言模型(LLM)是一种基于大量数据进行预训练的超大型深度学习模型。其底层构建块是一组神经网络,包括编码器和解码器,这些神经网络具备自注意力机制。编码器和解码器能…- 405
- 0
-
AI图像视频识别开源项目:北京大学团队开发的多模态图像视频识别项目Video-LLaVA
项目简介: Video-LLaVA(Large-scale Vision-Language Model for Video Analysis)是由北京大学团队开发的AI人工智能多模态图像视频识别项目。该项目旨在通过融合视觉信息到语言特征空间中,推动基础的大语言模型向更统一的大型视觉-语言模型演进。通过学习混合的图像和视频数据集,Video-LLaVA实现了视觉和语言之间的相互增强,为视觉与语言理解…- 518
- 0
❯
今日签到
有新私信
私信列表
搜索
客服
扫码打开当前页
联系客服
公众号
返回顶部
幸运之星正在降临...
点击领取今天的签到奖励!
恭喜!您今天获得了{{mission.data.mission.credit}}积分
我的优惠劵
-
¥优惠劵使用时效:无法使用使用时效:
之前
使用时效:永久有效优惠劵ID:×
没有优惠劵可用!