Project Icon

HumanTOMATO

文本驱动的全身动作生成系统

研究提出了一种新的文本驱动全身动作生成任务,通过给定的文本描述生成高质量、多样且连贯的面部表情、手势和身体动作。HumanTOMATO 通过使用 Holistic Hierarchical VQ-VAE 和 Hierarchical-GPT 确保动作生成与文本的精确对齐。实验显示,该模型在动作生成质量和文本匹配度上有显著优势。

Humanish-LLama3-8B-Instruct-GGUF - 介绍模型的量化技术实现文本生成性能突破
GithubHuggingfaceHumanish-LLama3-8B-Instruct基准测试开源项目数据集文本生成模型量化
该项目通过llama.cpp进行量化,优化了模型的嵌入和输出权重,使得文本生成更加高效。模型在多个数据集上表现出色,如IFEval数据集测试中达到严格准确率64.98%。项目提供多种文件格式,支持多样化的计算资源和硬件环境,以满足不同的使用需求,包括低内存和ARM芯片的优化场景。
Text2Tex - 文本驱动的3D网格高质量纹理生成方法
3D网格GithubText2Tex开源项目扩散模型文本驱动纹理合成
Text2Tex是一种新型3D网格纹理生成方法,利用文本提示和扩散模型创建高质量纹理。该技术融合局部修复和深度感知图像扩散模型,从多角度逐步合成高分辨率局部纹理。通过动态分割渲染视图和自动生成视图序列,Text2Tex有效避免了不一致和拉伸问题,同时优化了纹理更新过程。实验结果显示,在文本驱动纹理生成领域,Text2Tex的性能明显优于现有技术。
StreamingT2V - 先进的长视频生成技术 实现连贯动态和可扩展内容
GithubStreamingT2V一致性动态视频开源项目文本到视频长视频生成
StreamingT2V是一种创新的自回归技术,专门用于生成长时间、连贯一致的视频内容。该技术无需分段处理即可创建动态丰富的视频,确保了时间上的连贯性,同时保持与文本描述的高度契合和单帧图像的优质表现。目前已实现生成1200帧(约2分钟)的视频,并具有进一步延长的潜力。值得注意的是,StreamingT2V的性能不局限于特定的文本到视频模型,这意味着随着基础模型的进步,视频质量有望进一步提升。
awesome-conditional-content-generation - 条件内容生成的前沿技术与资源集锦
Github人工智能内容生成动作生成图像生成开源项目视频生成
这是一个综合性的条件内容生成资源库,主要聚焦于人体动作、图像和视频生成领域。项目汇集了最新研究论文和代码实现,包括音乐、文本和音频驱动的动作生成,以及人体动作预测等多个研究方向。同时还收录了条件图像和视频生成的相关资源,为该领域的研究和开发提供了丰富的参考材料。
generative-manim - 使用GPT-4生成动画视频的开源项目
GPT-4Generative ManimGithubManim开源项目视频生成
Generative Manim结合GPT-4等大型语言模型,让用户轻松从文本生成动画视频。无论是编程新手还是视频编辑零基础,皆可快速上手。项目提供demo、API接口和开发者社区支持,受到天文学软件公司的赞助。加入Discord服务器,参与讨论,共享创意,提升动画生成体验。
MonoHuman - 单目视频生成可动画化3D人体神经场景技术
3D渲染GithubMonoHuman人体神经场动画化人体单目视频开源项目
MonoHuman框架利用单目视频生成高质量、视角一致的3D人体动画。通过双向变形约束和关键帧信息建模变形场,实现任意新姿势的高保真渲染。该技术在ZJU-Mocap数据集和自然场景视频中表现优异,为虚拟现实和数字娱乐领域提供了有力支持。
Tune-A-Video - 图像扩散模型微调实现高质量文本到视频转换
GithubTune-A-Video人工智能开源项目扩散模型文本生成视频计算机视觉
Tune-A-Video项目通过微调预训练的文本到图像扩散模型,实现高质量文本到视频生成。该方法仅需一个视频-文本对作为输入,即可快速适应新的视频生成任务。支持Stable Diffusion等多种预训练模型,能生成多样化风格的视频内容。项目开源代码实现,提供在线演示和预训练模型,为研究和开发提供便捷的文本到视频生成工具。
AvatarPoser - 革新全身姿态跟踪 仅需头手运动数据
AMASS数据集AvatarPoserGithubTransformer全身姿势跟踪开源项目混合现实
AvatarPoser是一项突破性的全身姿态预测技术,仅需头部和手部运动数据即可在世界坐标系中准确估计全身姿态。该方法结合Transformer编码器和运动解耦技术,通过逆运动学优化生成逼真动作。AvatarPoser在大型动作捕捉数据集上表现出色,并具备实时推理能力,为元宇宙应用中的全身虚拟形象控制提供了实用解决方案。
tango-full - 基于扩散模型的高质量文本到音频生成工具
GithubHuggingfaceTANGO开源项目文本转音频模型深度学习生成式人工智能语音合成
TANGO是一个开源的文本到音频生成工具,基于潜在扩散模型实现。它可根据文本提示生成包括人声、动物声、自然声和人工音效在内的多种逼真音频。TANGO采用Flan-T5作为文本编码器,结合UNet架构的扩散模型进行音频生成,在客观和主观评估中均优于现有技术。该项目提供了完整的模型代码、训练流程和预训练权重,为音频生成研究提供了有力支持。
MotionLLM - 融合视频和动作数据的人类行为理解先进AI模型
GithubMotionLLM人工智能人类行为理解多模态学习大语言模型开源项目
MotionLLM是一个人类行为理解框架,通过融合视频和动作序列数据来分析人类行为。该项目采用统一的视频-动作训练策略,结合粗粒度视频-文本和细粒度动作-文本数据,以获得深入的时空洞察。项目还包括MoVid数据集和MoVid-Bench评估工具,用于研究和评估人类行为理解。MotionLLM在行为描述、时空理解和推理方面展现出优越性能,为人机交互和行为分析研究提供了新的方向。
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