最新AI教程资讯
CAT4D – 谷歌和哥伦比亚大学等高校推出的单目视频创建4D场景方法
CAT4D是Google DeepMind、哥伦比亚大学和加州大学圣地亚哥分校共同推出的，能从单目视频创建4D场景（动态3D）表示。CAT4D基于多视图视频扩散模型，能在任意指定的相机姿态和时间点合成新视图，并将单目视频转换为多视图视频，从而实现稳健的4D重建。
2025-01-13 12:18:53
Make-It-Animatable – 中科大联合腾讯推出的自动生成即时动画准备资产
Make-It-Animatable是中国科学技术大学和Tencent PCG推出的数据驱动框架，能在不到一秒钟内让任何3D人形模型准备好进行角色动画状态，无论其形状和姿势如何。框架基于生成高质量的混合权重、骨骼和姿势变换，支持多种3D表示，包括网格和3D高斯斑点。
2025-01-13 11:50:33
Co-op Translator – 微软推出面向开发者的开源多语言翻译工具
Co-op Translator是微软推出的开源翻译工具，基于Azure AI服务实现项目文档和图像中文本的自动化多语言翻译。仅需一条命令，Co-op Translator能分析项目内容，生成组织良好的多语言翻译文件夹结构，自动调整链接，并保持Markdown文件的完整性。
2025-01-13 11:29:33
AnchorCrafter – 中科院联合腾讯推出的AI虚拟主播带货视频制作技术
AnchorCrafter是基于扩散模型的智能视频制作系统，用在自动生成具有高保真度的主播风格产品推广视频。基于整合人-物交互（HOI）到姿态引导的人体视频生成中，实现对物体外观和运动控制的高度还原，及对复杂人物-物体交互的管理。
2025-01-13 11:01:00
MyTimeMachine – AI个性化面部年龄转换技术，实现20至40年的时间跨度
MyTimeMachine（MyTM）是先进的个性化面部年龄转换技术，基于大约50张个人照片，跨越20至40年的时间跨度，训练一个适配器网络个性化预训练的全局老化模型。MyTimeMachine能实现高质量的年龄回退和年龄进展效果，同时保持个体身份特征。MyTimeMachine能扩展到视频领域，生成具有高身份保持度和时间一致性的老化效果，优于现有的技术水平。
2025-01-13 10:31:29
HiFiVFS – 腾讯联合VIVO推出的高保真视频换脸框架
HiFiVFS（High Fidelity Video Face Swapping）是腾讯和VIVO公司推出的高保真视频换脸框架，HiFiVFS基于Stable Video Diffusion（SVD）框架，用多帧输入和时间注意力机制确保视频生成的稳定性。
2025-01-13 10:10:46
MVGenMaster – 复旦联合阿里等实验室推出的多视图扩散模型
MVGenMaster是复旦大学、阿里巴巴达摩院和湖潘实验室共同推出的多视图扩散模型，基于增强3D先验处理多样化的新视角合成（NVS）任务。模型基于度量深度和相机姿态扭曲的3D先验，提升NVS的泛化和3D一致性。
2025-01-10 18:10:48
360Zhinao2-7B – 360 推出自研360智脑大模型的升级版
360Zhinao2-7B是360自研的AI大模型360智脑7B参数升级版，涵盖基础模型及多种上下文长度的聊天模型。360Zhinao2-7B模型是继360Zhinao1-7B之后的重要更新，基于采用全新的多阶段训练方式和更优质的数据处理策略，提升中英文通用能力，增强模型的数学逻辑推理能力。
2025-01-10 17:42:06
GeneMAN – 上海AI Lab联合北大等高校推出的3D人体模型创建框架
GeneMAN是上海AI实验室、北京大学、南洋理工大学、上海交通大学联合推出的3D人形创建框架，能从单张图片中创建出高保真度的3D人体模型。框架不依赖于参数化人体模型，而是用多源高质量人类数据集，包括3D扫描、多视角视频、单张照片和合成数据训练人类特定的2D和3D先验模型。
2025-01-10 17:16:51
MagicDriveDiT – 华为联合港中文等机构推出的自动驾驶高分辨率长视频生成方法
MagicDriveDiT是香港中文大学、香港科技大学、华为云和华为诺亚方舟实验室共同推出基于DiT架构的新型视频生成方法，专为自动驾驶应用设计，实现高分辨率和长视频的生成。基于流匹配增强模型的可扩展性，用渐进式训练策略处理复杂场景。
2025-01-10 16:54:55
EfficientTAM – Meta AI推出的视频对象分割和跟踪模型
EfficientTAM是Meta AI推出的轻量级视频对象分割和跟踪模型，能解决SAM 2模型在移动设备上部署时的高计算复杂度问题。基于用简单的非层次化Vision Transformer（ViT）作为图像编码器，并引入高效的记忆模块降低计算复杂度，实现在保持分割质量的同时减少延迟和模型大小。
2025-01-10 16:27:40
Amazon Nova – 亚马逊推出的全新大模型系列，覆盖文本、图像、视频生成领域
Amazon Nova 是亚马逊云服务（AWS）推出的新一代AI基础模型系列，提供行业领先的性能和成本效益。该系列包括专门处理文本的Amazon Nova Micro、多模态的Amazon Nova Lite 和Amazon Nova Pro，及即将推出的Amazon Nova Premier。除此之外，还有图像生成模型Amazon Nova Canvas 和视频生成模型Amazon Nova Reel。
2025-01-10 16:06:05
HunyuanVideo – 腾讯推出的开源视频生成模型，参数高达130亿
HunyuanVideo是腾讯开源的视频生成模型，拥有130亿参数，是目前参数量最大的开源视频模型之一。HunyuanVideo具备物理模拟、高文本语义还原度、动作一致性和电影级画质等特性，并能生成带有背景音乐的视频。
2025-01-10 15:40:22
Lobe Vidol – AI数字人交互平台，可与虚拟人和 3D 模型聊天互动
Lobe Vidol是开源的数字人创作平台，让每个人都能轻松创建和互动自己的虚拟偶像。Lobe Vidol提供流畅的对话体验、背景设置、动作姿势库、优雅的用户界面、角色编辑、MMD舞蹈支持、PMX舞台加载、触摸响应功能及角色和舞蹈市场。
2025-01-10 15:11:14
GPT学术优化 – 专为学术研究和写作设计的多功能开源项目
GPT学术优化（GPT Academic）是功能丰富的开源项目，专为学术研究和写作设计。GPT学术优化集成一键论文翻译、源代码解析、互联网信息获取、Latex文章校对、论文润色和摘要生成等多项实用功能。GPT学术优化采用模块化设计，支持自定义快捷按钮和函数插件，提供Python和C++项目剖析、PDF LaTeX论文翻译总结功能，能并行查询多种LLM模型，如ChatGLM、MOSS等。
2025-01-10 14:41:31
Vanna – 开源AI检索生成框架，自动生成精确的SQL查询
Vanna是开源的Python RAG（Retrieval-Augmented Generation）框架，能帮助用户基于大型语言模型（LLMs）为其数据库生成精确的SQL查询。Vanna用两步简单流程操作：首先在用户数据上训练RAG模型，然后基于提问生成可在数据库上执行的SQL查询。
2025-01-10 14:19:36
PersonaCraft – 首尔国立大学推出的单参考图像生成多身份全身图像技术
PersonaCraft是韩国首尔国立大学推出的个性化全身图像合成技术，结合扩散模型和3D人类建模，能从单一参考图像生成多个人物的逼真、个性化全身图像。PersonaCraft能有效处理人物间的遮挡问题，支持用户自定义身体形状调整，实现更灵活的个性化定制。
2025-01-10 13:58:42
StableAnimator – 复旦联合微软等机构推出的端到端身份一致性视频扩散框架
StableAnimator是复旦大学、微软亚洲研究院、虎牙公司和卡内基梅隆大学共同推出的端到端高质量身份保持视频扩散框架。StableAnimator能根据一张参考图像和一系列姿态，无需任何后处理工具，直接合成高保真度且保持人物身份一致性的视频。
2025-01-10 13:36:12
I2V-01-Live – 海螺AI推出的图生视频模型，将静态图像转化为动态视频
I2V-01-Live是海螺AI推出的图生视频模型，能将静态二维图像转化为动态视频。模型基于深度学习技术，增强动作的流畅度和生动性，让人物或对象的动作更加自然和真实。I2V-01-Live支持多种艺术风格，优化稳定性和细腻的表现力，创作者用流畅性和精妙技巧，让艺术作品焕发生机。
2025-01-10 13:15:53
Genie 2 – 谷歌DeepMind推出的最新一代基础世界模型
Genie 2是DeepMind推出的新一代大规模基础世界模型，能仅凭一张图片生成长达1分钟的可交互3D游戏世界。Genie 2能模拟出物体交互、角色动画、物理效果等复杂动态，支持用键盘和鼠标进行操作。Genie 2具备长时间记忆功能，能记住且精确还原暂时离开视野的场景。
2025-01-10 12:49:51
人气排行
24小时排行
