微软「诈骗届」王牌框架，真到可怕！一张照片+音频即可生成数字人
微软「诈骗届」王牌框架，真到可怕！一张照片+音频即可生成数字人在人物说话的过程中，每一个细微的动作和表情都可以表达情感，都能向观众传达出无声的信息，也是影响生成结果真实性的关键因素。
来自主题: AI技术研报
7194 点击 2024-04-23 14:43
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
在人物说话的过程中，每一个细微的动作和表情都可以表达情感，都能向观众传达出无声的信息，也是影响生成结果真实性的关键因素。
最近，字节旗下的一款视频生成AI——Dreamina 开始大规模开放测试。 Dreamina 不算是新产品，但现在它与 Sora 最大的区别，不是模型能力，而是它真的是能使用的。
过去几年来，扩散模型强大的图像合成能力已经得到充分证明。研究社区现在正在攻克一个更困难的任务：视频生成。近日，OpenAI 安全系统（Safety Systems）负责人 Lilian Weng 写了一篇关于视频生成的扩散模型的博客。
过去几年里，基于文本来生成图像的扩散模型得到了飞速发展，生成能力有了显著的提升，可以很容易地生成逼真的肖像画，以及各种天马行空的奇幻画作。
来自香港科技大学，清华大学的研究者提出了「GenN2N」，一个统一的生成式 NeRF-to-NeRF 转换框架，适用于各种 NeRF 转换任务，例如文字驱动的 NeRF 编辑、着色、超分辨率、修复等，性能均表现极其出色！
纵观生成式AI领域中的两个主导者：自回归和扩散模型。 一个专攻文本等离散数据，一个长于图像等连续数据。 如果，我们让后者来挑战前者的主场，它能行吗？
风格化图像生成，也常称为风格迁移，其目标是生成与参考图像风格一致的图像。
新一代视觉生成范式「VAR: Visual Auto Regressive」视觉自回归来了
最近，多模态大模型（LMM）取得了一系列引人注目的成就，特别是在视觉 - 语言任务上的表现令人瞩目。它们的成功不仅展现了多模态大模型在各个领域的实用性和灵活性，也为更多视觉场景下的应用探索了新的道路。
近日，来自香港中文大学 - 商汤科技联合实验室等机构的研究者们提出了FouriScale，该方法在利用预训练扩散模型生成高分辨率图像方面取得了显著提升。