V2A ...

镜头从公园的鸟鸣和晨光中缓缓推进，聚焦在一位满头白发的老太太身上。她坐在长椅上，手中拿着一本书，眼神宁静而深远。 可以看到，从视频一开始的画面来看，萨克斯这个乐器应当是“主角”，所以在乐器混合的音效中，萨克斯的声音是最大的。

一直以来，线上买衣服最怕的就是不合身。AI兴起之后，是不是能通过AI的模拟衣服上身效果？这篇文章，作者对几款此类工具进行了测评，一起来看看结果。 在电商行业中，商品展示的效率和效果直接影响销售转化率。然而，商家们常常面临以下痛点： ...

近日，微软的研究团队提出了一种名为IGOR（Image-Goal Representation）的新方法，使得机器人可以通过模仿人类的动作来学习并泛化到不同的任务和智能体。这一研究标志着在具身智能领域的重大突破，尤其是在缺乏高质量机器人数据的情况下，这一技术的出现为未来的发展注入了新动力。 IGOR框架的基础模型 IGOR模型由三个核心部分组成：潜在动作模型（Latent Action Model ...

为彻底解决这一问题，微信视觉团队与浙江大学和清华大学联手提出了基于双向显式线性多步法的扩散模型精确反演采样器（BELM）这一通用算法，并通过截断误差分析确定了最优的 BELM ...

2024年10月29日，维沃移动通信有限公司在国家知识产权局申请了一项名为“图像处理方法装置及电子设备”的专利。这一创新的专利（公开号CN118823183A）旨在通过应用先进的图像处理技术，尤其是深度学习和去噪神经网络，优化图像质量，提升用户拍照体验。该专利的申请日期为2024年6月，反映出维沃在智能手机影像技术领域的持续追求与创新。 该图像处理方法首先通过LDM（Latent Diffusio ...

图片来源：英伟达官网Z HighlightsH100 GPU 的租赁价格正在经历前所未有的下降，每年降幅达到或超过 40%。这一趋势尤其明显地体现在小型集群上。NVIDIA 曾预计在 4 年内保持每 GPU 每小时 4 ...

IT之家 10 月 21 日消息，复旦大学和百度联合开发了一款名为 Hallo2 的全新 AI 模型，该模型可以生成长达数小时的 4K 分辨率人物动画，现已在 GitHub 发布开源。 Hallo2 模型建立在 latent diffusion models 的基础上，相比上一代 Hallo 模型的效果更好， 支持了长视频生成 ，通过引入数据增强方法如 patch-drop ...

Hallo2模型基于latent diffusion models构建，引入了数据增强方法，如patch-drop和高斯噪声，有效提升了长时间视频的视觉一致性和时间连贯性。同时 ...