騰訊提出了一個(gè)多模態(tài)定制視頻生成框架HunyuanCustom，該框架強(qiáng)調(diào)主題一致性，同時(shí)支持圖像、音頻、視頻和文本條件?；贖unyuanVideo，該模型首先通過(guò)引入基于LLaVA的文本圖像融合模塊來(lái)增強(qiáng)多模態(tài)理解，以及利用時(shí)間連接來(lái)增強(qiáng)跨幀身份特征的圖像ID增強(qiáng)模塊，從而解決了圖像文本條件生成任務(wù)。單主題視頻定制一致性故事生成與最先進(jìn)的方法的比較多主題視頻定制多主題定制音頻驅(qū)動(dòng)的視頻定制HunyuanCustom首次實(shí)現(xiàn)了音頻驅(qū)動(dòng)的...

字節(jié)跳動(dòng)的智能創(chuàng)作團(tuán)隊(duì)提出了一個(gè)從單一主題發(fā)展到多主題定制的通用框架UNO，從少到多的泛化：通過(guò)情境生成釋放更多可控性。能夠?qū)⒉煌娜蝿?wù)統(tǒng)一在一個(gè)模型下。在單主題和多主題驅(qū)動(dòng)的生成中都能實(shí)現(xiàn)高度一致性，同時(shí)確保可控性。舉一個(gè)例子：上傳一張人物，一身衣服，一個(gè)包，UNO就可以生成這個(gè)人穿著衣服拿著包的效果圖，效果看起來(lái)很真實(shí)！相關(guān)鏈接論文：https:arxiv.orgabs2504.02160主頁(yè)：https:bytedance.github.ioUNO...

由香港科技大學(xué)、快手科技提出的UNIC（統(tǒng)一上下文視頻編輯）是一個(gè)簡(jiǎn)單而有效的框架，它以上下文的方式統(tǒng)一單個(gè)模型中的各種視頻編輯任務(wù)。從此，視頻編輯用著一個(gè)工具就夠了！ID插入ID交換刪除ID相機(jī)控制風(fēng)格化第一幀傳播緊急任務(wù)組合UNIC還表現(xiàn)出了新興任務(wù)組合能力。重新拍攝+風(fēng)格化ID+風(fēng)格化相關(guān)鏈接論文：https:arxiv.orgpdf2506.04216主頁(yè)：https:zixuanye.github.ioUNIC論文介紹UNIC：框架和設(shè)計(jì)動(dòng)機(jī)基于DDIM反轉(zhuǎn)的方法...

在虛擬形象與數(shù)字內(nèi)容需求激增的當(dāng)下，傳統(tǒng)3D數(shù)字人制作的高昂成本（動(dòng)輒數(shù)十萬(wàn)美元）與復(fù)雜流程，讓許多行業(yè)望而卻步。而今天，一款由Duix.com團(tuán)隊(duì)打造的開(kāi)源AI項(xiàng)目HeyGem，正以顛覆性技術(shù)打破這一壁壘，重新定義數(shù)字人創(chuàng)作范式。開(kāi)發(fā)者可基于其框架二次開(kāi)發(fā)，拓展更多應(yīng)用場(chǎng)景（如醫(yī)療問(wèn)診、虛擬偶像等）。隨著社區(qū)貢獻(xiàn)者的加入，這一項(xiàng)目有望成為數(shù)字人領(lǐng)域的“Android系統(tǒng)”，推動(dòng)整個(gè)行業(yè)向低成本、高效率、普惠化方向發(fā)展...

慕尼黑工業(yè)大學(xué)和倫敦大學(xué)學(xué)院提出了一款經(jīng)過(guò)微調(diào)的DINOViT模型Pixel3DMM，用于逐像素表面法線和UV坐標(biāo)預(yù)測(cè)。從上到下，下圖展示了FFHQ輸入圖像、估計(jì)的表面法線、根據(jù)預(yù)測(cè)的UV坐標(biāo)估計(jì)的二維頂點(diǎn)，以及針對(duì)上述兩個(gè)線索的FLAME擬合結(jié)果。圖片使用Pixel3DMM進(jìn)行野外追蹤。從左到右：輸入、預(yù)測(cè)法線、預(yù)測(cè)二維頂點(diǎn)、跟蹤覆蓋、FLAME跟蹤。單幅圖像重建給定一個(gè)輸入圖像（右上），下圖展示了DECA、FlowFace和Ours相對(duì)于地面真實(shí)CO...

Phantom是一個(gè)統(tǒng)一的視頻生成框架，適用于單主題和多主題參考，基于現(xiàn)有的文本轉(zhuǎn)視頻和圖像轉(zhuǎn)視頻架構(gòu)構(gòu)建。它通過(guò)重新設(shè)計(jì)聯(lián)合文本圖像注入模型，利用文本圖像視頻三元組數(shù)據(jù)實(shí)現(xiàn)跨模態(tài)對(duì)齊。此外，它在人物生成中強(qiáng)調(diào)主題一致性，同時(shí)增強(qiáng)了身份保留視頻生成。相關(guān)鏈接論文：https:arxiv.orgabs2502.11079代碼：https:github.comPhantomvideoPhantom主頁(yè)：https:phantomvideo.github.ioPhantomComfyUI:https:github.comkijaiC...

2025年4月14日，中國(guó)AI領(lǐng)軍企業(yè)智譜AI正式推出GLM432B0414系列大模型，以32B參數(shù)量實(shí)現(xiàn)全方位能力躍升。該系列創(chuàng)新性融合對(duì)話、推理、沉思等多元智能模塊，在基準(zhǔn)測(cè)試中展現(xiàn)出與GPT4o、DeepSeekV3R1等國(guó)際頂尖模型比肩的綜合性能。尤為關(guān)鍵的是，智譜此次以MIT開(kāi)源協(xié)議向全球開(kāi)放模型權(quán)重，結(jié)合其突出的本地化部署優(yōu)勢(shì)，真正實(shí)現(xiàn)了"高性能"與"普惠性"的雙重突破。作為"大模型六小虎"中IPO進(jìn)程最快的企業(yè)，智譜此番動(dòng)作既彰顯了...

FlashFace技術(shù)是由香港大學(xué)、阿里巴巴集團(tuán)、螞蟻集團(tuán)共同研發(fā)的一項(xiàng)實(shí)用工具，用戶可以通過(guò)提供一張或幾張參考面部圖像和文本提示，就可以輕松地即時(shí)個(gè)性化自己的相片。與現(xiàn)有的人像定制方法相比，F(xiàn)lashFace方法具有更高保真度的身份保留性。能夠精確地保留參考人臉的特征，包括紋身、疤痕等。這意味著，無(wú)論是真實(shí)人物還是虛擬角色，F(xiàn)lashFace都能夠準(zhǔn)確地捕捉到他們獨(dú)特的面部特征，如罕見(jiàn)的臉型等。下面展示一些FlashFace的...

今天給大家介紹一個(gè)字節(jié)剛開(kāi)源的換臉寫(xiě)真新模型InfiniteYou，這是一種先進(jìn)的零樣本身份ID一致性保持模型，由字節(jié)跳動(dòng)基于文生圖領(lǐng)域最強(qiáng)開(kāi)源模型FLUX模型研發(fā)的。InfiniteYou專注于利用擴(kuò)散變換器（DiTs）技術(shù)實(shí)現(xiàn)靈活且高保真的身份保留圖像生成。它解決了現(xiàn)有方法中存在的問(wèn)題，如身份相似性不足、文本與圖像對(duì)齊不佳以及生成質(zhì)量和美學(xué)水平低下等。同時(shí)，InfiniteYou具有高度的兼容性，可以與現(xiàn)有的多種方法無(wú)縫集成，如FLUX...

Docling團(tuán)隊(duì)聯(lián)合IBM提出了一種多模式圖像文本到文本模型SmolDocling，旨在實(shí)現(xiàn)高效的文檔轉(zhuǎn)換。它保留了Docling最受歡迎的功能，同時(shí)通過(guò)無(wú)縫支持DoclingDocuments確保與Docling完全兼容。目前已經(jīng)沖到了Huggingface熱門榜單Top3!相關(guān)鏈接主頁(yè)：https:huggingface.cods4sdSmolDocling256Mpreview論文：https:arxiv.orgabs2503.11576試用：https:huggingface.cospacesds4sdSmolDocling256MDemo特點(diǎn)：???用于高效標(biāo)記化的DocTags...

LuminaBrushLuminaBrush是一個(gè)構(gòu)建交互式工具以在圖像上繪制照明效果的項(xiàng)目。該框架采用兩階段方法：第一階段將圖像轉(zhuǎn)換為“均勻照明”的外觀，第二階段利用用戶涂鴉生成照明效果。。相關(guān)鏈接HF演示：https:huggingface.cospaceslllyasvielLuminaBrushGitHub：https:github.comlllyasvielLuminaBrush演示LuminaBrush目前基于Flux。種子為12345的示例：框架LuminaBrush是一個(gè)兩階段框架。第一階段（左側(cè)）將圖像轉(zhuǎn)換為“均勻照明...