Project Icon

FollowYourPose

基于姿态和文本的自动视频生成技术

FollowYourPose项目提出了一种新方法,可以通过姿态和文本生成视频。该方法采用两阶段训练方案,利用易获取的数据集和预训练的文本到图像模型,生成可编辑且姿态可控的角色视频。第一阶段通过关键点图像对进行文本到图像的生成,第二阶段利用姿态自由视频数据集微调网络,成功生成连续的姿态可控角色视频,同时保留预训练模型的编辑和概念组合能力。

dressing-in-order - 递归生成人物图像的姿势迁移和虚拟试衣技术
GithubICCV人像生成姿势迁移开源项目服装编辑虚拟试衣
Dressing in Order 项目开发了一种创新的人物图像生成方法,实现姿势迁移、虚拟试衣和服装编辑功能。系统通过递归方式按顺序生成人物图像各部分,提高了图像操控的精细度和灵活性。项目提供开源代码、预训练模型和在线演示,便于研究者探索和应用这一技术。
LaVie - 级联潜在扩散模型实现高质量视频生成
AI视频制作GithubLaVie开源项目文本生成视频潜在扩散模型视频生成
LaVie是一个基于级联潜在扩散模型的文本到视频生成框架。它通过基础模型生成、视频插值和超分辨率三个步骤,可生成16至61帧、最高1280x2048分辨率的高质量视频。该框架支持多种采样方法和参数调整,用户可通过简单命令生成不同风格视频。LaVie开源了模型代码和预训练权重,便于学术研究和商业应用。
flame - 基于自然语言的3D人体动作生成与编辑框架
FLAMEGithub人体动画动作合成开源项目深度学习自然语言
FLAME是一个开源的3D人体动作生成和编辑框架,能够根据自然语言描述合成和修改动作。该项目利用深度学习技术将文本转换为人体动作,适用于动画制作、游戏开发等领域。FLAME支持多样化的动作生成和精确编辑,为研究人员和开发者提供了灵活的工具。
VoxPoser - 使用语言模型的3D机器人操作轨迹合成系统
3D价值地图GithubVoxPoser开源项目机器人操作语言模型轨迹合成
VoxPoser是一个3D机器人操作轨迹合成系统,结合大型语言模型和视觉语言模型实现零样本任务执行。该项目在RLBench环境中实现,无需训练数据即可生成复杂操作轨迹。系统通过语言模型程序(LMPs)递归生成代码,分解指令并为子任务组合价值图。VoxPoser包含接口、规划器和控制器等核心组件,用于规划和执行机器人操作任务。
TokenFlow - 改进一致性的视频编辑方法
GithubTokenFlow开源项目扩散模型文本驱动生成式AI视频编辑
TokenFlow 利用预训练的文本到图像扩散模型,实现无需额外训练或微调的高质量视频编辑。通过帧间对应关系传播扩散特征,支持局部及全局编辑,比如改变现有物体的纹理或添加半透明效果(如烟雾、火焰、雪),同时保持输入视频的空间布局和动态效果。
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。
lightning-pose - 基于PyTorch Lightning的高效姿态估计框架
GithubLightning Pose姿态估计开源项目深度学习计算机视觉
Lightning Pose是一个基于PyTorch Lightning的姿态估计框架,利用NVIDIA DALI加速未标记视频的训练。框架集成了TensorBoard、FiftyOne和Streamlit等评估工具,支持已标记数据和未标记视频的模型训练与评估。项目还提供浏览器应用,涵盖数据标注、模型训练到结果可视化的完整流程。此外,团队开发的Ensemble Kalman Smoother (EKS)后处理器可与多种姿态估计包兼容。
ShareGPT4Video - 通过字幕提高视频理解和生成
AI模型GithubShareGPT4Video开源项目视频字幕视频理解视频生成
ShareGPT4Video项目通过应用高精度字幕显著提升视频理解与生成的效果。该项目提供功能强大的文本至视频模型,支持多种视频时长和分辨率,并设有两种优化效率与质量的推断模式。该项目的目标是通过高质量视频字幕数据集改善文本到视频的转换效果,从而提升大型视频语言模型的理解能力。
DressCode - 基于文本指导的3D服装自动生成框架
3D服装生成AI设计DressCodeGithubSewingGPT开源项目文本引导
DressCode是一个创新的文本驱动3D服装生成框架。该系统结合GPT架构和稳定扩散模型,能够根据自然语言描述自动生成服装缝纫图案和物理渲染纹理。DressCode不仅简化了服装设计流程,还为数字人物创作和虚拟试衣等应用开辟了新的可能性。与现有方法相比,DressCode在生成质量和输入提示一致性方面表现突出,为服装设计和数字内容创作领域提供了新的解决方案。
ControlNeXt - 高效可控生成框架 实现图像视频多样化控制
ControlNeXtGithub人工智能可控生成图像生成开源项目视频生成
ControlNeXt是一个创新的可控生成框架,支持图像和视频的多样化控制。该项目大幅减少可训练参数,提高收敛速度和效率。基于Stable Diffusion等先进模型,ControlNeXt实现了包括人体姿态控制在内的多种生成任务。此外,它还可与LoRA等技术结合,提供更灵活、稳定的生成体验。
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

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