SEMamba是一款全新的语音增强系统，它利用了Mamba状态空间模型来提高语音信号的清晰度。这款语音增强系统的主要目标是通过去噪和清晰的语音信号处理，来提高人们的语音识别和理解。SEMamba系统具有高度的灵活性，能...

FlowMDM是一种新的模型，用于从文本描述生成长时间连续的人体运动序列。这种首创的扩散模型使用混合位置编码进行逼真的运动创建，无需额外的去噪步骤，在关键数据集上表现出卓越的准确性和逼真度。

视觉Transformer (ViT)已经成为视觉领域的主要研究方向，然而在它们的嵌入中，仍然有时会出现网格状的伪影。这使得社区在将其应用于下游任务时持怀疑态度。本研究提出了一种更新位置嵌入的方法，消除了这一问题，并...

研究人员开发了一种“序列感知”损失函数，以改进去噪概率模型(DPM)，解决了图像生成中时间步长相关性的问题。这种新方法不仅提供了更紧凑的损失估计，而且在诸如CIFAR10和CelebA等数据集上显示出显著的图像质量改进，...

研究人员开发了Diffusion-SS3D，这是一种改进半监督3D物体检测的新方法，使用扩散模型添加噪声到3D空间中的物体大小和类别标签分布，然后使用扩散模型去噪和生成更好的边界框输出。

MonoDiffusion是一种新的自监督单目深度估计框架，其独特的方法将深度估计问题视为迭代去噪过程。它利用预训练的教师模型指导伪地面真值扩散过程，从而提高深度图精度，无需在训练中使用实际的深度真值。

近日，一项名为PUCA的自我监督去噪新方法在GitHub上发布。该研究对于有效去噪保持J不变性是一个至关重要的方面。研究人员表示，PUCA的特点在于其利用了无噪声图像的自我监督来训练，从而可以在保持图像质量的同时去...

## 新闻内容： - 提出一种新方法，使用零样本声音引导视觉效果进行视频编辑，利用时间声音特征创建动态样式，同时保持时间一致性。 - 通过使用光流引导，引导去噪扩散概率模型与音频潜在表示相结合，该方法优于现有...