Text2Immersion是一项创新方法,通过文本提示生成高质量的3D沉浸式场景,可适用于室内和室外,展现出色的灵活性和创造力。
2023年,我们看到了扩散模型推理速度方面的一些重大理论改进,例如Song等人的原始一致性模型论文,以及最近的LCM。(另外,对抗扩散蒸馏。)我们已经开始看到使用这些想法的项目,例如Dan Wood的Art Spew(每秒77512×512图像,在单个4090上)、Modal的Turbo.art(基于SDXL Turbo) 和fal.ai的30fps脸部交换。
斯坦福华人团队开发的炒虾机器人Mobile ALOHA刷屏全网,能完成各种复杂任务,项目成本仅为22万元,全部开源。
CogAgent作为在CogVLM基础上改进的开源视觉语言模型,拥有更多的功能和性能优势。它支持更高分辨率的视觉输入和对话答题,能够处理超高分辨率图像输入。
腾讯推出的技术 Paint3D 能够根据文本或图像输入,在不具有内嵌光照信息的3D模型上生成高分辨率、无光照的多样化纹理贴图。