谷歌发表Lumiere，最强视频生成模型，AI生成短视频时代即将来临
“Lumiere: A Space-Time Diffusion Model for Video Generation”
近日，谷歌发表了最强T2V模型Lumiere，实现视频生成领域新SOTA。Lumiere不仅在视频时长上实现了质的飞...
TinyLlama：高性能小模型，性能媲美大模型，参数轻量级，性能重量级
“TinyLlama: An Open-Source Small Language Model”
近日，新加坡科技设计大学（SUTD）发表了 TinyLlama，11亿参数量，使用大约 3 万亿个 token 上预训练而成。“仅”需 1...
Meta AI发布Audio2Photoreal，通过对话音频即可生成全身逼真的虚拟人物表情与动作
你是否有遇到过打字或者语音聊天时，开了一个玩笑，对方却误以为真，导致矛盾反正的情况？通过打字或者音频聊天时，我们通常只能猜测对方的态度和语气，容易引起误解。
...
MoonShot：在多模态条件下实现可控视频生成和编辑
“MoonShot: Towards Controllable Video Generation and Editing with Multimodal Conditions”
项目主页：https://showlab.github.io/Moonshot/
论文地址：https://arx...
阿里发表DreaMoving，基于扩散模型的人类视频生成框架，高质量舞蹈视频生成
“DreaMoving: A Human Video Generation Framework based on Diffusion Models”
项目主页：https://dreamoving.github.io/dreamoving
论文地址：https://arxiv.org/pdf...
Unified-IO 2：首个图像/文本/音频/视频/动作多模态模型，迈向AGI任务
“Unified-IO 2: Scaling Autoregressive Multimodal Models with Vision, Language, Audio, and Action”
Unified-IO 2号称是第一个能够理解和生成图像、文本、音频和动...
Pose Anything：类别无关通用姿态估计方法，实现任意目标类别的关键点定位
“Pose Anything: A Graph-Based Approach for Category-Agnostic Pose Estimation”
本文提出一种新的CAPE方法，通过新设计的Graph Transformer Decoder，利用关键点之间...
阿里达摩院发表AnyText，解决文生图中文字生成模糊、错误问题
“ANYTEXT: MULTILINGUAL VISUAL TEXT GENERATION AND EDITING”
文生图中的文字生成问题一直困扰着广大AIGC应用，今日，阿里发表了AnyText针对这个问题进行了优化。接下...
阿里发表Make-A-Character，AI头像生成工具，几分钟内即可生成高质量3D的动画人物头像
“Make-A-Character: High Quality Text-to-3D Character Generation within Minutes”
项目主页：https://human3daigc.github.io/MACH/
论文地址：https://arxiv.org/...
DreamGaussian4D：高效4D动画生成，生成时间从几小时缩短至几分钟
“DreamGaussian4D: Generative 4D Gaussian Splatting”
项目主页：https://jiawei-ren.github.io/projects/dreamgaussian4d/
论文地址：https://arxiv.org/abs/2312....