海德堡大学开源了一个优化版本的 ContorlNet 模型：ConTorlNetXS。这个架构的 ContorlNet 模型精简了原来的模型推理和训练的时间都提高了两倍，同时生成图片的质量更高，控制更加精准。
这个项目中，我们研究了用于控制基于稳定扩散模型的图像生成过程的ControlNet的大小和架构设计。我们展示了一个新的架构，其参数仅为基础模型的1%，实现了最先进的结果，并在FID分数方面表现出比ControlNet更好的性能。因此，我们称之为ControlNet-XS。
原创文章，作者：校长，如若转载，请注明出处：https://www.yundongfang.com/Yun271423.html
微信扫一扫不于多少！
支付宝扫一扫礼轻情意重
Opera 最近宣布将本地 AI 模型集成到其 Opera One 浏览器中。随着这一发展，Opera 成为第一个内置 AI 模型的主要浏览器，您现在可以从 150 个大型语言模型…
Open-Sora 开源替代 OpenAI 的 Sora 文本转视频 AI 继今年早些时候推出 Sora 之后，OpenAI 强大的文本到视频 AI 模型以 Open-Sora 的…
OpenAI Q Star 理论 AI 模型解读 如果您有兴趣了解有关 OpenAI Q* Star AI 模型的更多信息，该模型显然正在开发中。本快速指南概述了我们目前所知道…
一年多来，GPT-4 一直是占主导地位的 AI 模型，显然比任何其他可用的 LLM 系统都要聪明得多。这种情况在上个月发生了变化，现在有三个GPT-4级模型，它们都为自己的聊天机器…
DepthFM: 使用深度流匹配技术的快速单目深度预测 一个深度图分析模型，通过流匹配（Flow Matching）技术，可以有效地实现这一目标，因为它在解空间中形成的直线轨迹既高…
VoiceCraft：超过XTTS的语音模型 VOICECRAFT模型介绍： VOICECRAFT是一个先进的神经编解码语言模型，专门用于语音编辑和零样本文本到语音（TTS）任务。…
字节发布了AnimateDiff-Lightning 模型 字节发布了AnimateDiff-Lightning 模型，只需要 4-8 步的推理就可以生成质量非常不错的视频。 跟 …
Suno 发布了自己的歌曲生成模型V3版本 Suno 正式发布了他们的 V3 音乐生成模型，现在所有人都可以使用。 V3 改进的内容主要是： ◦ 音质更佳，带来更加清晰动听的音频体…
有关 OpenAI Q-STAR 的更多细节揭晓 关于 OpenAI 的 Q-STAR 有一个未经证实的泄漏，这是一个对话系统，据说利用基于能量的模型 （EBM） 来生成响应。据报…
GFlowNets是人工智能的未来吗，它们是什么？ GFlowNets 是在 Yoshua Bengio 的指导下开发的，代表了人工智能 （AI） 领域的一种新颖训练算法，与 Tr…
Stable Diffusion 和 ComfyUI AI 艺术生成器初学者指南 如果您想开始使用 Stable Diffusion 和 ComfyUI，乍一看非常复杂。您会很高兴…
OpenAI 首席技术官透露可能的 Sora AI 视频生成器发布日期 OpenAI 首席技术官 （CTO） Mira Murati 在接受《华尔街日报》采访时，对 OpenAI …
Runway 是一种文本到视频的 AI 服务，它正在改变我们创建视频和动画的方式，它具有强大的新功能，允许用户以令人难以置信的精度为静态图像添加运动。这种环境控制设置对于使用该平台…
UniRef++：图像分割框架 字节的一个图像分割项目UniRef++，将现在的即参考图像分割（RIS）、少镜头图像分割（FSS）、参考视频对象分割（RVOS）和视频对象分割（VO…
I2V-Adapter：直接从图片生成视频 快手也发布了一个视频生成模型 I2V-Adapter。主要用于从图片获取信息直接生成视频，这个项目可以与已有的 SD 生态比如Conto…
另一种替代transformer架构将得到有意义的采用。 引入自2017年谷歌的一篇重要论文中，transformer架构是当今人工智能技术中的主导范式。目前存在的每个主要生成式人…
“大型语言模型”和“LLM”这些术语将变得不那么常见 在当今人工智能领域，“大型语言模型”（及其缩写LLM）经常被用作“任何先进人工智能模型”的简称。这是可以理解的，因为许多最初崭…
最先进的封闭模型将继续以显著优势胜过最先进的开放模型 当今人工智能讨论中的一个重要话题是围绕开源和闭源人工智能模型的辩论。虽然大多数尖端人工智能模型开发者——如OpenAI、Goo…
OpenAI 最近推出了一份有价值的指南，旨在帮助用户充分利用与 ChatGPT 的互动。对于任何希望从 AI 获得更精确和相关答案的人来说，本指南都是一个重要的资源，无论他们的技…
OpenAI 最近推出了一份有价值的指南，旨在帮助用户充分利用与 ChatGPT 的互动。对于任何希望从 AI 获得更精确和相关答案的人来说，本指南都是一个重要的资源，无论他们的技…
当谈到增强 Mixtral 8x7B 的功能时，Mixtral 8x7B 是一种拥有惊人的 870 亿个参数的人工智能模型，这项任务似乎令人生畏。该模型属于专家混合 （MoE） 类…
您现在可以在 Bing Chat （Microsoft Copilot） 上免费使用 ChatGPT-4 Turbo 以及插件支持。 Microsoft 正在推出 Bing Cha…
TextDiffuser-2：为文本渲染释放语言模型的力量 可以稳定在扩散模型中生成指定位置和风格的英文文本，它是借助的微调后的大语言模型来规划文本布局，以及编码文本的位置。
Tripo3d：AI生成3D模型 可以说是现在最强大的3D模型生成工具，一经发布就把几个老牌产品打趴了，支持从文字直接生成3D模型，也支持图片生成。
您现在可以在 Bing Chat （Microsoft Copilot） 上免费使用 ChatGPT-4 Turbo 以及插件支持。 Microsoft 正在推出 Bing Cha…
