V
主页
CVPR2023 | GLIGEN:开放式文本到图像生成,支持输入边界框条件
发布人
https://www.youtube.com/watch?v=-MCkU7IAGKs https://gligen.github.io/ https://github.com/gligen/GLIGEN 在这项工作中,提出了GLIGEN(Grounded Language to Image Generation),这是一种新的方法,它通过使现有的预训练文本到图像扩散模型也能够基于基础输入来构建和扩展其功能。为了保存预训练模型的大量概念知识,我们冻结了其所有权重,并通过门控机制将基础信息注入新的可训练层。我们的模型通过描述和边界框条件输入实现了基于开放世界的文本2img生成,并且基础能力很好地推广到新颖的空间配置和概念。GLIGEN在COCO和LVIS上的零镜头性能大大优于现有的监督布局到图像基线。
打开封面
下载高清视频
观看高清视频
视频下载器
CVPR2023|首个可用于超高质量3D数字人生成的3D扩散生成模型!支持照片或者文本描述定制
爆火!ReconX:3D场景重建新范式!输入两张图片,给你一个3D逼真场景!
CVPR2023!使用文本到图像扩散模型的开放词汇全景分割
CVPR2023 | 3D-POP:一种自动标注方法,通过基于标记的运动捕捉鸽子姿势
苹果AI竟偷偷地支持了中文?!Apple Intelligence实测
港大&浙大提出Gen6D:从 RGB 图像估计 6 自由度物体姿势
英伟达又一个GAN!PoE-GAN,AI绘图细节拉满,支持多模态输入
目标检测方向有救了!这10个好出idea的研究方向你确定不了解一下?
问道凸优化,寻找有缘人
字节最新成果SemanticStyleGAN:更细粒度控制图像合成和编辑
ICCV 2023|迭代prompt学习用于无监督背光图像增强
现在是否是大语言模型的垃圾时间?
Vid2CAD:输入视频直接生成 CAD 模型!这个AI有点强
人工智能助力足球比赛!姿态估计、球员检测、跟踪、位置分析全都可行!
清华&腾讯最新算法Next3D!高质量3D 感知合成,支持3D风格画!
年龄转换算法,合成不同年龄的人脸,代码已开源!SIGGRAPH 2021
CV大神何恺明早期研究成果: Image Completion
CVPR2022 | 清华提出OcclusionFusion:实时动态 3D 重建的遮挡感知运动估计
3D照片风格化:从单个图像学习生成风格化的新视图
【CVPR'24】驶向未来:首个多视图预测和规划的自动驾驶世界模型
mmTransformer:多模态运动预测demo | CVPR 2021
南洋理工大学提出StableSR! 开源! 利用扩散先验实现真实世界图像的超分辨率
CVPR2022 | 多模态Transformer用于视频分割效果惊艳
草图生成动漫角色!草图实时自动生成插图和 3D 模型(Demo)
基于深度学习模型的解决图片过曝和曝光不足问题,数据集已开源!CVPR2021
AI “隐身” 又升级!影子,烟雾统统消失!视频剪辑用户福音,代码开源!CVPR2021 Oral
CVPR2022 Oral | 消除图像拼接后的不规则边界!已开源
大数据时代的利器!密集场景下的人群跟踪替代算法,头部跟踪算法 | CVPR 2021
CVPR 2023 | Ref-NPR:基于参考的非真实感辐射场
CVPR2023 | dToF一致的视频深度超分辨率
英伟达实习生:零样本风格迁移!文本驱动图像生成!
Google新作:单张图生成高质量的3D照片!“软”分层+深度感知修复让新视觉保留更多细节!ICCV 2021 Oral
深度学习基础 | 网络模式 | model.train()、 model.eval()
ECCV2022 | 查找表实现高效的图像超分辨率!代码开源
CVPR2023|MaPLe:多模态Prompt Learning
用户输入位置编码,控制 StyleGAN 生成图像的布局
[CVPR 2021] House-GAN++ - 自动生成布局图 Demo (设计师的福音)
字典引导推理的场景文本识别系统!更强的识别性能!CVPR2021
SeamlessGAN,GAN生成连贯的纹理贴图!
HyperHuman:基于隐式结构扩散的超逼真人像生成