Project Icon

IP_LAP

基于身份保持的说话人脸生成新方法

IP_LAP (Identity-Preserving Talking Face Generation with Landmark and Appearance Priors) 项目提出新型说话人脸生成方法,结合地标和外观先验实现身份保持。该技术在CVPR 2023发表,开源代码和预训练模型。研究团队使用LRS2数据集和PyTorch框架,在身份一致性和自然表情生成方面取得进展。

X-Portrait 2 - 提供高效面部动画转换技术,实现真实生动的视频效果
AI工具X-Portrait 2生成扩散模型虚拟代理表达编码器面部动画
X-Portrait 2 采用先进的生成扩散模型,将静态肖像与驱动视频结合生成生动视频。通过精细的面部表情传递,这项技术实现了表情与动作的有效分离,能够忠实传达快速头部动作及细微表情变化,为动画和电影制作提供高质量的内容解决方案,简化了制作流程。
LAMP - 少量样本视频生成的创新技术
CVPR 2024GithubLAMP动作模式少样本学习开源项目视频生成
LAMP是一种基于少量样本的视频生成技术,仅需8-16个视频和1个GPU即可训练。该方法可学习特定运动模式,用于文本到视频生成和视频编辑,能创造奔马、烟花等多种动态效果。LAMP为资源受限情况下的视频生成提供了新的解决方案,在视频生成领域具有重要意义。
AniPortrait - 基于音频的高质量肖像动画生成框架
AniPortraitGithub人像动画人工智能图像合成开源项目音频驱动
AniPortrait是一个基于音频和参考肖像图像生成高质量动画的开源框架。该项目支持自驱动、面部重演和音频驱动三种模式,可生成逼真的肖像动画。项目开源了预训练模型,并提供了详细的安装指南、推理命令和训练流程。AniPortrait为数字内容创作者提供了一种制作生动肖像动画的新方法,拓展了视觉内容创作的可能性。
3D-Speaker - 开源多模态说话人识别与验证工具包
3D-SpeakerGithubModelScope开源工具包开源项目说话人验证预训练模型
3D-Speaker是一个开源的单模态和多模态说话人验证、识别和分离工具包。它提供ERes2Net、CAM++等预训练模型,适用于多种说话人相关任务。该项目发布的大规模语音数据集3D-Speaker有助于语音表示解耦研究。3D-Speaker支持有监督和自监督训练,以及语言识别等多种实验设置,为研究人员提供全面的说话人技术解决方案。
InstantID-Rome - 先进的身份保持图像生成工具
AI绘图GithubInstantID-Rome人物特征保持图像生成开源项目身份识别
InstantID-Rome是一个改进的身份保持图像生成项目。它优化了身体构图、面部饱和度和可编辑性,同时提供更稳定的布局、更高的一致性和更真实的效果。该项目支持大范围图像尺度和图层扩散,为多种创意和实用场景提供了灵活的身份保持生成功能。
Awesome-Avatars - 人类头像技术最新进展资源列表
3D建模Github人体头像开源项目深度学习神经渲染计算机视觉
该项目汇总了人类头像技术领域的最新进展,包括生成、重建、编辑等方面的重要论文和开源代码。涵盖头像生成、单人重建、视图合成、网格重建、文本生成头像、头像交互、动作生成等子领域。每项成果均提供论文链接、代码仓库和项目主页,便于研究人员快速了解和应用这些前沿技术。
SimSwap - 支持高保真图像和视频处理的换脸框架
ACM会议GithubPythonSimSwap人脸交换开源项目高分辨率数据集
SimSwap框架实现任意换脸,支持高保真图像和视频处理。采用单一训练模型,无需再次训练。适用于学术和技术用途,提供详细的训练与测试代码。支持高分辨率数据集VGGFace2-HQ,定期更新进展。欢迎工程师加入团队。高质量案例视频可在Google Drive和Bilibili观看。
Real-Time-Voice-Cloning - 实时语音克隆与多声源文本到语音转换技术
GithubSV2TTS多说话者文本转语音合成实时语音克隆开源项目深度学习热门语音合成
Real-Time Voice Cloning是一个基于深度学习的实时语音克隆工具,能够通过简短语音样本快速创建个性化语音模型。项目实现了从说话人验证到多说话人文本到语音合成的框架(SV2TTS),并配备了实时工作的声码器。适用于需要个性化语音合成的开发者和研究人员,支持多种数据集,提供预训练模型以简化使用和实验过程。
PhotoMaker-V2 - 快速生成个性化人像照片和艺术画作
AI绘图GithubHuggingfacePhotoMaker V2人像定制开源项目文本生成图像模型风格化
PhotoMaker V2是一个开源的人工智能图像生成模型,通过输入面部照片和文字描述,可生成个性化的真实照片和艺术画作。该模型采用SDXL架构,支持与其他LoRA模块配合使用,扩展创作可能。目前在亚洲男性面部特征和手部细节的处理上存在局限性。
Realistic_Vision_V1.4 - 写实人物AI渲染模型 支持8K超高清输出
GithubHuggingfaceNovaXLStable Diffusion人工智能绘画图像生成开源项目模型模型训练
Realistic Vision 是一款基于Stable Diffusion的开源人物写实模型,可生成具有自然皮肤纹理和光影效果的8K人物图像。模型集成Euler A和DPM++采样器,并提供优化的提示词模板,有效降低图像畸变。主要应用于人物写真、肖像和角色设计等创作领域。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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