Open-Sora 在开源社区悄悄更新了，现在单镜头支持长达16秒的视频生成，分辨率最高可达720p，并且可以处理任何宽高比的文本到图像、文本到视频、图像到视频...

过去几年来，扩散模型强大的图像合成能力已经得到充分证明。研究社区现在正在攻克一个更困难的任务：视频生成。近日，OpenAI 安全系统（Safety System...

在日常活动中，人的运动经常引起衣服的附属运动 (secondary motion of clothes) 并因此产生不同的衣服褶皱，而这需要对人体及衣服的几何、...

这是一款重磅的通用视觉多模态大模型，支持从视觉理解到视觉生成、从低层次到高层次的一系列视觉任务，解决了困扰大语言模型产业已久的图像/视频模型割裂问题，提供了一个...

现在单镜头支持长达16秒的视频生成，分辨率最高可达720p，并且可以处理任何宽高比的文本到图像、文本到视频、图像到视频、视频到视频和无限长视频的生成需求。我们来...

在 AI for Science 的规模化推广过程中，低门槛使用且开源的高性能工具至关重要。一方面，科研人员能够通过上手使用，更加直观地了解 AI 的能力；另一...

近日，京东创始人刘强东化身「采销东哥 AI 数字人」，在京东家电家居和超市的采销直播间开启了自己的直播首秀。此次直播活动观看人次超 2 千万，交易总额超 5 千...

此外，利用Metropolis微服务在NVIDIA Jetson上运行的生成式AI模型，可以更轻松地深入洞察和分析视频流，实现动态和交互式应用。这种能力使得Me...

在本研究中，作者指出了对图像生成扩散模型的可重复性或一致性进行定量评分的重要性。本文提出了一种基于成对平均CLIP（对比语言-图像预训练）分数的语义一致性评分方...

随着5G网络和边缘计算技术的普及，实时自由视角视频合成方法在自由视角视频直播、3D电视、快速自由视角视频渲染以及许多其他场景中的应用越来越广泛。一般来说，实时自...

图 1：Imitator 是一种用于个性化语音驱动 3D 人脸动画的新方法。给定音频序列和个性化风格嵌入作为输入，我们生成特定人物的运动序列，并为双唇辅音（'m...

通话中继器位于中间，充当通话参与者之间的代理。在一对一的音频通话中，每个参与者发送一个流并接收一个流；而在视频通话中，由于音频和视频被编码为不同的流，相同的参与...

如果在矩阵中展示一个指标，比如下方的日周业绩，默认的显示效果没有什么值得诟病的地方。

在.NET的世界里，dotnet 命令是一个极其强大的工具，它不仅仅用于构建、运行和发布应用程序，还提供了广泛的内置功能，帮助开发者高效地完成各种任务。然而，你...

达芬奇调色工具是一款专业的视频调色软件，广泛应用于电影、电视和广告等影视制作领域。它提供了丰富的调色功能和工具，可以对图像进行精确的色彩校正和后期处理。

作者在求学期间自学了前端界面相关的，算是有一些基础， 但是在工作中前端知识一直没有用武之地，导致前端的知识七零八落的不成体系，所以痛腚思痛，这篇专栏主要是回顾学...

移植了之前做的一些个性主题时钟，比如随机星座时钟等，比较二次元，结合全志硬解视频功能，支持mp4视频播放作为动态背景 有兴趣的可以看我相关的视频展示。效果见文首...

如图所示，当用户选择了部分照片和视频访问权限时，我们可以在界面的顶部给用户一个提示，告知下方显示的照片和视频只是用户选择授权的一部分，点击Manage按钮可以跳...

作者团队表示，基于 Transformer 的特性，可以轻松扩展 DiT 架构以支持图像到图像以及视频到视频的任务。他们提出了一种掩码策略来支持图像和视频的条件...