Project Icon

ICCV2023-MCNET

基于隐式身份表示的说话头视频生成方法

MCNet是一种新型说话头视频生成方法,在ICCV 2023上发表。该方法利用隐式身份表示和记忆补偿网络,生成高质量、自然的说话头视频。MCNet能够保持身份一致性,同时生成逼真、富有表现力的面部动画。项目开源了代码实现和预训练模型,为研究者提供了探索和应用的基础。

V-Express - 渐进式训练提升肖像视频生成质量
GithubV-Express开源项目控制信号平衡条件性丢弃渐进式训练肖像视频生成
V-Express项目提出条件性丢弃新方法,实现肖像视频生成的渐进式训练。该方法平衡不同控制信号强度,增强音频等弱信号作用,同时考虑姿态、图像和音频,生成高质量肖像视频。项目优化内存使用,支持长视频生成,提供多种重定向策略,适用不同场景。开源代码和模型可供学术及商业用途,但使用时需遵守相关法规。
smirk - 通过神经合成实现精确3D面部表情重建
3D人脸表情GithubSMIRK开源项目深度学习神经合成计算机视觉
SMIRK是一个开源项目,利用分析-神经合成方法从单目图像重建3D面部。该技术能精确捕捉极端、非对称和细微的面部表情,提高3D面部重建的真实度。项目提供预训练模型、演示脚本和详细的训练过程,为计算机视觉和图形学研究提供了重要资源。
Parts2Whole - 多参考框架实现可控人像生成
GithubParts2Whole人像生成参考框架开源项目深度学习计算机视觉
Parts2Whole提出新型框架,利用多个参考图像生成定制人像。该框架包含语义感知外观编码器和多图像条件生成的共享自注意力机制,能精确选择人体部位实现高度可控生成。项目开源全套代码、模型和数据集,为人像生成研究提供完整解决方案。
PersonaTalk - 个性化唇形同步配音方案,突出个性与面部细节
AI工具PersonaTalk同步精度视觉配音跨注意力层面部细节
PersonaTalk 提供一种通过注意力机制实现的可视化配音框架,重视保留说话者的个性和面部细节。此框架分为音频几何构建和面部渲染两阶段,确保唇形同步的高保真效果。通过独特的双重注意力机制,能够精确渲染唇部和面部细节,达到优异的视觉质量和个性保留效果。
UniAnimate - 统一视频扩散模型实现一致性人物图像动画
GithubUniAnimate人物动画开源项目扩散模型视频生成长视频
UniAnimate是一个用于生成长时间人物视频的创新框架。它将参考图像、姿势指导和噪声视频映射到共同特征空间,并支持随机和首帧条件输入。该方法在评估中优于现有技术,可生成高度一致的一分钟视频,为人物图像动画带来新的可能。
voxcelebs12_rawnet3 - 多语言语者识别解决方案,提升音频处理能力
ESPnetGithubHuggingfaceVoxCeleb多语言开源项目模型演讲者识别语音识别
RawNet3模型基于ESPnet2框架和VoxCeleb数据集进行训练,专注于提升语者识别和音频处理的精度。该模型结合自监督式前端和现成工具,提供了创新的语者嵌入解决方案。用户可按照ESPnet的安装指南下载并应用此模型,配置选项包括Adam优化器和余弦退火调度器,充分保障模型训练过程的高效性与稳定性。适用于多语言语者识别应用场景,助力开发者增强音频处理的精度与便捷性。
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。
magvit - 单模型实现多种视频合成任务的创新技术
GithubMAGVIT开源项目机器学习深度学习视频生成计算机视觉
MAGVIT是一种创新的视频生成技术,采用掩码生成视频变换器实现单一模型解决多种视频合成任务。该项目在视频生成质量、效率和灵活性方面表现出色,能够执行类别条件生成、帧预测和多任务视频处理。MAGVIT在UCF-101、BAIR Robot Pushing、Kinetics-600等多个基准测试中取得优异成绩,展示了其在视频生成领域的应用前景。
Awesome-Controllable-Generation - 可控生成技术前沿 ControlNet到DreamBooth及最新进展
Github人工智能可控生成开源项目扩散模型文本到图像深度学习
该项目收集了扩散模型中可控生成的前沿论文和资源,涵盖ControlNet、DreamBooth等开创性工作及图像、视频、3D生成的最新应用。内容包括精细合成控制、主题驱动生成和复杂布局操作等技术,汇集80余篇精选论文,全面覆盖可控生成领域的多种技术和应用,为相关研究者提供重要参考。
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