现如今，扩散模型已经成为当前图像生成领域的核心技术之一。从文本生成图像到复杂视觉内容合成，这类模型已经能够生成高度逼真的画面。然而，在真实应用场景中，人们对生成模型的要求并不仅仅是“生成逼真图像”，而是希望模型能够严格按照提示完成特定任务。 例如，在要求生成包含指定文字的图像时，模型可能 simply 将文字放大到占据画面大部分区域，从而轻松获得 OCR 系统的高分，而在需要生成多个对象的任...

在视觉生成领域，从图像生成到视频生成，研究的核心问题正逐渐从“能否生成内容”转向“能否生成可控且结构正确的内容”。 尤其是在人物动画生成任务中，研究人员不仅希望模型能够生成具有真实感的画面，还希望生成过程能够受到精确控制，例如通过输入人物图像与动作姿态序列，使模型自动生成连续的人物动画。在这一方向上，姿态驱动的人物图像动画已经取得了显著进展。然而，这些方法大多集中于单人物场景，当生成对象扩展...

近日，国际计算机视觉顶会CVPR 2024在西雅图召开，阿里共34篇论文被收录，其中有6篇入选Highlight和Oral Paper，被收录论文研究方向涵盖多模态模型、图像编辑及可控视频生成等前沿领域。早些时候火遍国内外的Animate Anyone、EMO、Facechain等模型也在会议现场亮相，并吸引了大量参会人员的关注与体验。 CVPR是计算机视觉领域最顶级的学术会议，每年都有大量...

2024 年美国时间 6 月 17 日至 21 日，IEEE 国际计算机视觉与模式识别会议（CVPR）在美国西雅图召开。 如大家预料，视觉 Foundation Model 成为今年 CVPR 除自动驾驶、3D 视觉等传统研究课题以外的核心会议主题。 此外，由于会议召开前后，国内快手「可灵」开放图生视频功能火爆出圈、Runway 时隔一年推出新模型 Gen-3 Alpha，文生视频也成为 C...

4月18日，第十四届北京国际电影节正式开幕。由中国电影资料馆、抖音和火山引擎联合4K修复版的港片《A 计划》与《卖身契》入选“致敬·修复”单元，并于4月18日、19日进行放映。 4K版《A计划》《卖身契》电影海报 《A计划》《卖身契》分别上映于1983、1978年，距今已四十多年。2023年8月，中国电影资料馆、抖音和火山引擎共同发起了“经典香港电影修复计划”，宣布将4K修复100部香港电影...

昨天 CVPR 2022 在美国线下开幕，大家都到现场了吗？……（狗头护体） 时隔两年，CVPR终于线下面基，各方大神也纷纷各显神通，大秀肌肉~那么，今年的CVPR有什么有趣的研究成果呈现呢？ 小编密切关注，意外发现了一场 3D 渲染的爵士乐演奏会： 据了解，这个效果的背后推手是一个被称为“3D MoMa”的方法！ 而研发 MoMa 的团队，正是在图像渲染领域颇有造树的 NVIDIA Res...

作者 | 杨国兴 编辑 | 陈大鑫 给一行二次元老婆的脸蛋；下一行就能让她们全部微笑起来：或者对于铲屎官们来说，把老虎猫变成?，把狗变成狼?，还可以把老虎变成猫： 阿这，等一等，让我来捋一下：老虎—>>猫——>>狗——>>狼，这岂不是说，老虎==狼了？对于这一点，或许广大网友们早就见怪不怪了，毕竟苏大强也可以变身吴彦祖：没错，正如大家所猜到的一样，今天AI...