研究人员宣布了一个新的数据集，其中包含了一个拥有1万亿令牌的多模态数据集。该数据集包括图像、音频和文本数据，并可用于训练人工智能算法。通过使用这个数据集，研究人员可以更好地理解人类语言和视觉系统的工作...

来自ControlNet、IC-Light等图像生成系统的创建者，发布了名为Paints UNDO的系统，它是一个模型创建笔触以重建图像的系统。与以往的笔触系统不同，该模型可以撤消笔触，并且在进行过程中经常完全重新思考其方法，这...

PerlDiff方法将3D几何信息与街景图像生成相结合，进一步提高了街景图像生成的精确性。这种方法的提出，无疑为自动驾驶领域的3D数据生成提供了新的研究方向和方法。通过更精确的街景图像生成，自动驾驶技术的安全性和...

研究人员引入了一个新的强化学习框架，以提高个性化文本到图像的生成效果。这种新的强化学习框架，是目前研究人员在个性化文本到图像模型领域的重要突破。这项技术的应用不仅可以大幅提高图像生成的质量，更可以实现...

Anole是一款基于Meta的Chameleon模型构建的开放自回归多模态模型。近期，研究者们着重对该模型进行了微调，成功地将图像生成能力重新整合进了模型中。这一改进不仅提高了模型的功能性，也为未来的开发打开了新的可能...

近期，一种名为PartCraft的新型视觉AI生成方法引起了业界的广泛关注。不同于传统的文本或素描基础方法，PartCraft允许用户通过部分选择视觉概念。这一创新的方式为视觉AI生成提供了更多可能性，使得用户可以更灵活、...

EvalAlign是一种新型的用于改进文本到图像生成模型评估的指标。与现有的评估指标不同，EvalAlign提供了细粒度的准确性和稳定性。它主要关注图像的真实性和文本与图像的对齐性。与其他评估指标不同的是，EvalAlign不...

近日，一个名为FABRIC的新方法在GitHub上引起了广泛关注。FABRIC是一种在推理阶段无需训练即可提升图像生成质量的方法。它通过使用评分函数或图像示例来指导输出质量，从而显著改善生成图像的视觉效果。该方法的最大...