Project Icon

TalkingGaussian

结构持久性3D会说话头像合成的高斯散射方法

TalkingGaussian项目展示了一种新型3D会说话头像合成技术,基于高斯散射方法实现结构持久性。该项目包含完整的处理流程,涵盖视频预处理、音频特征提取和模型训练。系统支持目标音频推理,生成结构稳定且口型同步的逼真说话头像。项目提供了详细的安装指南、数据准备步骤和使用说明,便于研究人员进行实验和开发。

gsplat - 开源CUDA加速3D高斯渲染库
3D渲染CUDA加速Githubgsplat图形库开源项目高斯散射
gsplat是一个基于CUDA的开源高斯渲染库,支持Python接口。该库利用3D高斯分布实现实时辐射场渲染,性能优于原始论文实现。gsplat可应用于3D高斯模型训练、2D图像拟合和大规模场景实时渲染。库提供PyPI和源码安装方式,包含多个示例和基准测试。项目持续改进中,欢迎开发者参与贡献。
glow-tts - 通过单调对齐搜索进行文本转语音的生成流
GithubGlow-TTSHiFi-GAN并行合成开源项目文本转语音模型训练
Glow-TTS,一款创新的文本到语音转换模型,独立完成文本与语音的单调对齐搜索,无需外部辅助。此模型不仅大幅提升合成速度,还支持多样性与可控性,并可适应多说话人环境。更新项包括采用新技术降低噪声并优化发音,使其在速度和音质上优于传统模型。
MonoGS - 基于3D高斯分布的实时场景重建与定位系统
3D重建CVPR 2024Gaussian Splatting SLAMGithub单目SLAM实时视觉定位开源项目
MonoGS是一个基于3D高斯分布的SLAM系统,支持单目、双目和RGB-D输入。该系统实现了实时稠密三维重建和精确相机定位,在室内场景中表现优异。通过高斯分布表示三维场景,MonoGS采用创新优化方法实现高效场景更新和渲染。作为CVPR 2024亮点论文,MonoGS展示了在计算机视觉和机器人领域的应用前景。
DiffSHEG - 基于扩散模型的实时语音驱动3D表情和手势生成技术
3D表情和手势DiffSHEGGithub实时生成开源项目扩散模型语音驱动生成
DiffSHEG是一种基于扩散模型的实时语音驱动3D表情和手势生成技术。该方法能够生成与语音同步的全息3D表情和手势,适用于不同长度的语音输入。DiffSHEG为虚拟人物动画和人机交互领域提供了新的解决方案,有助于创建更具表现力的虚拟角色。
DiffGesture - 音频驱动协同语音手势生成的扩散模型框架
AI动画Github开源项目扩散模型计算机视觉语音驱动手势生成跨模态学习
DiffGesture是一个基于扩散模型的框架,旨在生成与音频同步的协同语音手势。该框架通过扩散条件生成过程和音频-手势变换器捕捉跨模态关联,并使用手势稳定器和无分类器引导保持时间一致性。DiffGesture生成的手势具有良好的模式覆盖和音频相关性,在多个数据集上展现出优秀性能。
gill - 使用多模态语言模型的图像生成方法
CC3MGILLGithub图像生成多模态语言模型开源项目训练
GILL模型可处理交互的图像和文本输入以生成文本、检索图像及生成新图像。本文详细介绍了GILL模型的代码、预训练权重、环境设置、预训检查点和视觉嵌入的安装步骤。此外,还包括推理、训练及评估的指南,及启动Gradio演示的操作步骤。更多详情请参阅相关研究论文及项目页面。
Fantasia3D - 文本生成高质量3D模型的方法
3D内容生成Fantasia3DGithubICCV2023几何建模外观建模开源项目
Fantasia3D专注于通过分离几何和外观,实现高质量的文本生成3D模型。采用Stable Diffusion技术和Latent-NeRF等方法,提升了几何建模和外观渲染的效果,捕捉高分辨率细节并模拟逼真材质。项目团队定期更新FAQ和指南,提供性能优化建议和解决方案。支持用户定制网格细调,兼容多种3D生成方法,实现多样化和逼真的3D模型。
PoseGPT - 基于对话的3D人体姿态理解和生成模型
3D人体姿势ChatPoseGithubSMPL人工智能对话多模态大语言模型开源项目
ChatPose是一个用于理解和推理3D人体姿态的多模态大语言模型。它支持用户通过自然语言对话询问人体姿态相关问题,并能从图像和文本描述中推断3D人体姿态。该模型以SMPL格式输出姿态参数,并生成对应的3D人体网格模型。ChatPose为3D人体姿态研究和应用提供了新的探索方向。
EMO - 音频驱动的富表情肖像视频生成模型
EMOGithub人像视频生成开源项目扩散模型表情合成音频到视频转换
EMO是一种音频到视频的扩散模型,可在弱条件下生成表现力丰富的肖像视频。该项目由阿里巴巴智能计算研究院开发,将音频输入转化为面部表情和头部动作,增强数字人物的自然度和情感表达。EMO技术在虚拟主播和数字人互动等领域具有应用潜力,可提供更真实的视觉体验。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号