DreamClear是中國科學院自動化研究所和字節跳動團隊聯合推出的高性能圖像修復技術，專注于隱私安全的數據集管理，能將低質量（LQ）圖像恢復為高質量（HQ）圖像。...
網站首頁 > AI工具 第28頁
-
-
EcomID是阿里媽媽推出的開源項目，從單個參考圖像生成定制的個性圖像。融合PuLID和InstantID的優點，優化背景一致性、面部關鍵點控制和面部真實性，提高生成圖像的相似度。EcomID在200萬張淘寶圖像上訓練，圖像...
-
MarDini是新型的視頻擴散模型，融合掩碼自回歸（MAR）和擴散模型（DM）的優勢，用在大規模視頻生成。模型能處理任意數量和位置的掩碼幀，支持視頻插值、圖像到視頻生成及視頻擴展等多種任務。MarDini將大部分計算資源分配...
-
VILA-U是集成視頻、圖像、語言理解和生成的統一基礎模型。基于單一的自回歸下一個標記預測框架處理理解和生成任務，簡化模型結構，在視覺語言理解和生成方面實現接近最先進水平的性能。VILA-U的成功歸因于在預訓練期間將離散視覺...
-
Video-XL是北京智源人工智能研究院聯合上海交大、中國人民大學、中科院、北郵和北大的研究人員共同推出的專為小時級視頻理解設計的超長視覺理解模型。基于視覺上下文潛在總結技術將視覺信息壓縮成緊湊的形式，提高處理效率、減少信息...
-
DriveDreamer4D是用在提升自動駕駛場景4D重建質量的框架，基于世界模型先驗增強4D駕駛場景的表示?？蚣苣芑谡鎸嵤澜绲鸟{駛數據合成新的軌跡視頻，用明確結構化條件控制前景和背景元素的時空一致性，確保生成的數據嚴格遵...
-
Embed3是Cohere公司推出的行業領先的多模態AI搜索模型，能從文本和圖像生成嵌入向量，幫助企業快速準確地搜索復雜報告、產品目錄和設計文件等多模態資產。Embed3將數據轉換為數值表示，比較相似性和差異性，實現智能搜索...
-
Animate-X是基于LDM的通用動畫框架，能將靜態圖像轉化為動態視頻，擅長處理擬人化角色。 通過引入姿勢指示器，增強了對運動模式的捕捉能力，包括隱式和顯式運動特征。 Animate-X適用于人類角色，能處理卡通人物或游戲...
-
SynthID Text 是谷歌DeepMind 推出的文本水印技術，用在識別和驗證由大型語言模型（LLM）生成的文本。基于細微調整生成過程中的Token概率分數嵌入幾乎無法察覺的水印，在不影響文本質量和用戶體驗的情況下，實...
-
LongVU是Meta AI團隊推出的長視頻理解模型，基于時空自適應壓縮機制。解決處理長視頻時受限于大型語言模型（LLM）上下文大小的挑戰。LongVU基于跨模態查詢和幀間依賴性，LongVU能在減少視頻標記數量的同時，保留...
