文本驱动的视频生成模型的动态定制
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
融合像素与潜在扩散模型的文本到视频生成方法
...
动态3D高斯分布与合成扩散模型：实现文本到4D动画的生成
...
生成高质量的长视频：SEINE视频扩散模型
...
VideoLCM：基于视频潜在一致性模型的高效视频合成方法
...
基于文本到图像扩散模型的文本到视频生成架构研究
...
文本驱动的三维人脸生成: 从粗略草图到逼真细节
...
快速高效文本到图像生成模型
...
基于扩散模型的可控4D引导视频生成
...
FreeControl：实现任意文本到图像扩散模型的无训练空间控制
...
UFOGen: 一步高效文本到图像生成模型
...
ECLIPSE：一种资源高效的文本到图像先验模型用于图像生成
...
FineControlNet：基于空间对齐文本控制注入的图像生成细粒度文本控制
...
面向大型语言模型的有约束文本生成方法
...
GPT4Motion: 一种基于GPT和Blender的文本到视频生成框架
...
基于上下文调整的检索增强生成方法
...
基于自然语言模型的离线强化学习框架LaMo
...
基于扩散模型的360度全景图像生成任务
...
分布式大型语言模型的互联网低成本推理与微调
...
开箱即用的文本理解大模型
...
开源指令生成：用开源代码提升代码生成模型性能
...
基于文本生成高质量、多样化的3D资产的研究
...
Densely Captioned Images: 评估视觉语言模型的新基准
...
大规模语言模型在多模态音乐理解与生成中的应用
...
电商领域指令微调大模型
...
文本到图像一致性模型的有条件控制策略研究
...
Text-to-Sticker: Style Tailoring Latent Diffusion Models for Human Expression
...
基于统一视觉语言模型的图像和视频混合学习
...
多任务学习中数据不平衡问题的优化策略：预训练与联合微调
...
基于扩散模型的文本到图像合成
...
Amphion：一款开源的音频、音乐和语音生成工具包
...
PATHFINDER：基于树搜索的多步推理路径生成方法
...
基于文本和图像的高质量视频生成技术研究
...
Alchemist：基于扩散模型的材质属性参数化控制
...
Toward Joint Language Modeling for Speech Units and Text
...
HiFi Tuner：基于扩散模型的高保真度个性化图像生成
...
大规模语言模型结合神经符号模型的生成型神经符号视觉推理
...
人体高斯模型：文本驱动的三维人体生成与高斯密度调控
...
LLaVA-Plus: Learning to Use Tools for Creating Multimodal Agents
...
LLAMA PRO：基于Transformer块扩展的渐进式大型语言模型
...
单张图像到3D的高效生成：基于分摊生成的3D高斯模型