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。

IP-Adapter-FaceID - 基于面部ID的多风格人像生成技术
GithubHuggingfaceIP-Adapter-FaceIDStable Diffusion人脸识别图像生成开源项目模型深度学习
IP-Adapter-FaceID 是一个开源AI模型,利用面部识别技术的ID嵌入生成多样化风格的人像图像。用户只需提供文本提示和面部图像,就能创建保持ID一致性的各种风格人像。该项目还包括SDXL版本和专门的肖像模式,进一步增强了图像生成能力。这一技术为数字艺术创作和个性化内容生成提供了新的可能性。
CogVideoX-5b - 专家Transformer驱动的先进文本到视频生成模型
CogVideoXGithubHuggingface人工智能开源项目扩散模型文本到视频模型视频生成
CogVideoX-5b是基于专家Transformer的文本到视频生成模型。它可生成6秒720x480分辨率、8帧/秒的视频,支持226个token的英文提示输入。模型采用BF16精度,推理VRAM消耗低至5GB。通过多项优化,CogVideoX-5b在保持视觉质量的同时提高了推理速度,为视频生成研究与应用提供了有力工具。
MotionClone - 从参考视频克隆动作实现可控文本到视频生成
AI控制GithubMotionClone动作克隆开源项目文本到视频视频生成
MotionClone是一个无需训练的框架,通过从参考视频克隆动作来控制文本到视频的生成。该项目采用时间注意力机制和位置感知语义引导,有效处理微妙动作并提升生成模型的提示理解能力。MotionClone为视频创作和研究提供了全面的动作和语义指导工具,推动了可控视频生成技术的发展。
InstantID - 使用单张图像秒级生成保持身份特征的逼真人像
AI图像生成GithubInstantID人脸识别图像处理开源项目身份保持
InstantID是一个开源项目,提供创新的身份保持生成技术。该技术只需一张图像就能快速生成保持身份特征的高质量人像。项目包含训练代码和推理脚本,支持在自定义数据集上复现原作者的预训练模型效果。InstantID适用于多种下游任务,为AI图像生成领域提供了新的可能性。
MotionBERT - 多任务人体运动表征学习框架
GithubMotionBERT人体动作表示姿态估计开源项目深度学习计算机视觉
MotionBERT是一个多任务人体运动表征学习框架,整合了3D人体姿态估计、基于骨骼的动作识别和人体网格恢复等任务。该项目提供预训练模型和下游任务实现,支持自定义视频推理和生成以人为中心的视频表征。MotionBERT在多个基准测试中展现出优异性能,为人体运动分析研究提供了一个统一且高效的解决方案。
openface - 基于深度神经网络的开源免费人脸识别库
API文档GithubOpenFace开源项目深度神经网络面部识别
OpenFace是一个免费开源的人脸识别库,利用深度神经网络技术,支持批量图像表示生成、实时网络演示、图像比较、网络输出可视化和分类器训练等功能。核心代码和模型文件由卡内基梅隆大学开发,并在Apache 2.0许可下发布。该项目获得NSF、Intel、Google等机构的资助,广泛应用于移动应用和学术研究,提供全面的API文档和社区支持。
video-diffusion-pytorch - 开源项目实现文本到视频生成新突破
GithubPytorchU-net开源项目文本到视频深度学习视频生成
video-diffusion-pytorch项目实现了基于扩散模型的文本到视频生成技术。该开源项目采用时空分解U-net结构,将2D图像生成扩展至3D视频领域。支持文本条件生成、BERT编码和批量训练等功能。目前在移动MNIST数据集上表现良好,为研究人员和开发者提供了探索视频生成新前沿的工具。该技术有望在复杂视频生成任务中取得进展。
MSMC-TTS - 多阶段多码本神经网络文本转语音系统
GithubMSMC-TTSVQ-VAE多阶段多码本开源项目神经网络TTS语音合成
MSMC-TTS是一个高性能神经网络文本转语音系统,基于多阶段多码本VQ-VAE技术。该系统集成了MSMC-VQ-VAE和HifiGAN,通过MSMC-VQ-GAN自编码器优化,并采用多阶段预测器作为声学模型。MSMC-TTS在标准和低资源语言的语音合成中表现优异,能够生成紧凑的语音表示和高质量的语音输出。项目提供了详细的训练、测试和推理指南,并包含针对MSMC-VQ-GAN和多阶段预测器的优化建议。
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。
facechain - AI驱动的快速个性化肖像生成框架
AI绘图FaceChainGithub人像生成开源项目模型训练身份保持
FaceChain FACT是一款创新的AI肖像生成框架,仅需一张照片即可在10秒内生成保持身份特征的个性化肖像。该框架支持文本到图像和修复式生成,并与ControlNet和LoRA兼容。通过解耦训练技术,FaceChain FACT提升了图像质量、文本遵循能力和风格保持能力,实现了高度可控和真实的肖像生成。
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

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能,包括文生视频、动态画面和形象生成等,帮助用户快速上手,创造专业级内容。

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

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台,用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品,帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型,为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能,满足事务性工作的高频需求,帮助撰稿人节省精力,提高效率,优化工作与生活。

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

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