最近，又一款国产 AI 神器吸引了众网友和圈内研究人员的关注!它就是全新的图像和视频生成控制工具 —— ControlNeXt，由思谋科技创始人、港科大讲座教授贾佳亚团队开发。

机器之心公众号 视频图像

614 0

谷歌上周发布了 Pixel 9 系列智能手机，其中包含一系列以人工智能为核心的新功能。

IT之家 谷歌AI图像

526 0

阿里巴巴集团研究团队发布了UniPortrait框架，专注于人像图像的个性化处理，实现单角色一致性、多角色一致性和风格参考

科技魔方 阿里框架图像

539 0

Meta AI推出新一代的Segment Anything Model(SAM2)，实现了在视频和图像中实时识别和跟踪特定对象的突破。

科技魔方 MetaAI图像

602 0

三星在昨晚的 Galaxy Unpacked 发布会上带来了 Galaxy Z Fold6 / Flip6 等手机新品，两款新机都将内置基于 Android 14的 One UI 6.1.1。

IT之家 三星图像AI手机

632 0

MetaAI的NLLB-200登上Nature，「不让任何一门语言掉队」，能翻译200种语言的大模型获得Nature社论的盛赞——复兴了濒临灭绝的语言，但是Nature研究人员也郑重提醒Meta，必须将使用这些语言的社区也纳入进来，才会真正减缓语言

新智元公众号 Meta大模型图像语言

579 0

MimicBrush是阿里巴巴推出的一款创新的图片编辑项目，它通过先进的AI技术，能够将一张图片的某一部分融合到另一张图片上。这项技术在电商商品展示、图片编辑和内容迁移等多个领域具有广泛的应用潜力。

站长之家 阿里图片AI技术图像

647 0

在CVPR2024上，美国英特尔研究院的蔡志鹏博士及其团队提出了一种名为L-MAGIC(Language Model Assisted Generation of Images with Coherence)的新技术。

站长之家 英特尔大模型图像模型

532 0

今天，即梦(前身为剪映Dreamina)官方宣布全量上线实时画布功能，目前，所有人都可以免费体验。

站长之家 即梦画布图像大模型

646 0

近日，研究人员提出了一种名为 Ouroboros3D 的新方法，可以通过递归扩散实现图像到3D 的生成。这项研究集成了多视角图像生成和3D 重建技术，构建了一个统一的3D 生成框架。

站长之家 Ouroboros3D图像大模型

565 0

高质量图像编辑的方法有很多，但都很难准确表达出真实的物理世界。

量子位公众号 GPT-4大模型图像

574 0

经过与GoogleCloud的合作，今日Aria宣布融入了Google的Gemini模型，为其AI浏览器带来了一次重大升级。

站长之家 Aria图像大模型

549 0

SDXLFlash是一个由SDXL团队与Project Fluently合作推出的新型快速高质量文本到图像转换模型。

站长之家 大模型模型图像

702 0

人工智能初创公司 Ideogram 以其先进的文本转图像生成功能而闻名，如今宣布其平台迎来重大升级:Ideogram Tile。这一新功能允许用户从单个文本提示中创建无缝重复的图案，为设计师、艺术家和企业开辟了无限可能。

站长之家 AI图案Ideogram文本图像人工智能

606 0

强大的人工智能模型有时会出现错误，包括虚构错误信息或将他人作品作为自己的。为了解决后者的问题，德克萨斯大学奥斯汀分校的研究团队开发了一种名为 "Ambient Diffusion" 的框架。

站长之家 AI人工智能图像解决方案

669 0

谷歌推出了一款名为PaliGemma的开源视觉语言模型，该模型结合了图像处理和语言理解的能力，旨在支持多种视觉语言任务，如图像和短视频字幕生成、视觉问答、图像文本理解、物体检测、文件图表解读以及图像分割等。

站长之家 谷歌大模型语言图像

593 0

OpenAI 发布最新旗舰大模型 GPT-4o，所有用户都可以免费使用!该模型提供了 GPT-4 级别的 AI 能力，接受文本、音频和图像的任意组合输入，并能够生成文本、音频和图像的任意组合输出。

Donews OpenAI大模型图像

678 0

Lumina-T2X 是一个创新的内容生成系列模型，它采用了统一的 DiT(Diffusion Model)架构，能够通过文本生成图像、视频、多视角3D 对象以及音频剪辑。

站长之家 大模型文本图像视频

661 0

近期，来自伦敦帝国理工学院和戴尔的研究团队推出了 StyleMamba，这是一种有效的框架，用于转移图片风格，通过使用文本来指导风格化过程，同时保持原始图像内容。

站长之家 StyleMamba大模型图像

668 0

据The Information消息，OpenAI正筹备展示一种革命性的人机对话技术。据可靠消息，这一技术将结合声音和文本，不仅能与用户进行流畅的交流，还具备识别物体和图像的能力，为用户带来前所未有的交互体验。

站长之家 OpenAIAI人机对话图像

579 0

最近，华为的4K图像模型PixArt-Σ放出了模型文件，而且diffusers也支持了这个架构，用户可以在Comfyui上尝试。

站长之家 华为图像大模型

569 0

GitHub 上的 fofr/cog-become-image 项目是一个创新的图像转换工具，它能够将任意人物的面部图像转换成另一种风格的图片。这项技术的应用范围非常广泛，包括但不限于艺术创作、媒体制作和娱乐行业。

站长之家 图像大模型

613 0

PuLID是一个新兴的ID保持项目，它在提升ID保持效果的同时，还致力于最小化对原始模型的影响。

站长之家 图像大模型模型

713 0