11.11云上盛惠!海量产品 · 轻松上云!云服务器首年1.8折起,买1年送3个月!超值优惠,性能稳定,让您的云端之旅更加畅享。快来腾讯云选购吧!
近日,NTIRE(New Trends in Image Restoration and Enhancement workshop and challenges)比赛结果公布,美图影像实验室MTlab在图像增强赛道(Image Enhancement Challenge)中斩获冠军,同时夺得图像去雾赛道(Image Dehazing Challenge)的季军。据悉,NTIRE是目前规模最大、水平最高的图像恢复与增强的研讨会和比赛,吸引了众多国内外顶尖大学、研究机构和公司参加。今年的NTIRE是第四届,研讨会和颁奖仪式将于 6 月在AI领域?
Shopify最近发布了一系列AI增强功能,旨在帮助商家更智能地经营业务、增加销售并提供更优质的客户体验。其中最引人注目的功能是“Magic”图像编辑器,该编辑器运用不同的AI模型,能够自动生成产品描述、常见问题解答等营销文案。VentureBeat的使命是成为技术决策者获取有关变革性企业技术知识和进行交易的数字市集。
来自华中科技大学、字节跳动和约翰斯·霍普金斯大学的研究人员推出了一款名为GLEE的全新通用物体级别基础模型,为图像和视频分析带来了全新的可能性。这一技术突破依赖深度学习的神奇,使计算机视觉系统能够像虚拟侦探一样,在数字体验的画布上识别、跟踪和理解各种物体。研究人员还探索了在训练过程中使用广泛的图像-标题对,类似于DALL-E模型,从提高GLEE生成详细
kreaAI宣布推出实时增强功能,支持将实时绘制的图像二次放大,放大后的图像会增加细节和分辨率。KreaAI是一款集成了文生图、AIpattern、LogoIllustration以及AI模型训练等功能的AI智能设计工具,近期因其强大的实时生成功能备受瞩目。这种多元化的支持使KreaAI成为设计领域的得力助手,为创作者提供了更丰富的可能性。
【新智元导读】参数高效的微调方法SUR-adapter,可以增强text-to-image扩散模型理解关键词的能力。扩散模型已经成为了主流的文本到图像生成模型,可以基于文本提示的引导,生成高质量且内容丰富的图像。HCP实验室简介中山大学人机物智能融合实验室由林倞教授于2010年创办,近年来在多模态内容理解、因果及认知推理、具身智能等方面取得丰富学术成果,数次获得国内外科技�
Google 正在通过机器学习(ML)驱动的附加功能,对其翻译服务带来新一轮升级...此时你肯定不希望图像中可能出现的重要背景,被翻译后的文本给遮盖住...为了让进展更加顺利,谷歌还使用了被称作“生成对抗网络”(又称 GAN 模型)的机器学习技术...通过将译文融合到复杂的背景图像中,可为用户带来更加自然且无缝的使用体验...Google 称,每月都有超 10 亿人次使用该公司的翻译服务,涉及超过 100 种语言的文本和图像...最后,Google 没有分享其翻译功能的长期规划,仅表示相关功能会在今年晚些时候推出......
Twitter已经为Twitter用户在其推文中嵌入的所有图片部署了一个全新的、经过改进的并简化的“ALT”徽章。这些徽章将提供图片的描述。这一无障碍功能应该能使所有用户都能看到额外的或替代性的文字描述并增强无障碍性。Twitter已经确认,ALT徽章和改进的图像描述现在在全球范围内可用。该公司为此发布了一条推文来确认该功能的全球可用性。有文字描述的图片将获得一个写有“ALT”的徽章。点击或敲击徽章将显示图片的描述。值得注意的是,Twitter不会部署任何人工智能或图像处理算法来编制用户嵌入的图像的描述。相反,用户有责任为他们上传?
本论文基于交互式的图像生成,提出基于全景布局(Panoptic Layout)辅助图像生成的方法,即PLGAN(Panoptic Layout Generation)算法,提高了交互场景下生成图像的质量及其稳定性...语义图层在空间布局上逐像素对应生成的图像,可以很好的控制需要合成的图像,但其构建比较复杂,因此大多数多模态图像生成和交互场景采用实例图像布局(Instance Layout)......
GitHub上的fofr/cog-become-image项目是一个创新的图像转换工具,它能够将任意人物的面部图像转换成另一种风格的图片。这项技术的应用范围非常广泛,包括但不限于艺术创作、媒体制作和娱乐行业。无论是专业开发者还是技术爱好者,都可以利用这个项目来实现创意图像的转换。
元象公司发布了首个多模态大型模型XVERSE-V,并将其开源。这一模型支持任意宽高比的图像输入,并在多个权威评测中取得了优异的成绩。除了图像识别,XVERSE-V还在多个实际应用场景中表现突出,包括信息图理解、视障场景处理、文本生成、教育解题等。
PuLID是一个新兴的ID保持项目,它在提升ID保持效果的同时致力于最小化对原始模型的影响。这一技术通过对比对齐的方式,实现了Pure和LightningID的自定义,既保持了高度的ID保真度,又有效减少了对原始模型行为的干扰。注:PuLID的代码和模型即将发布,敬请期待。
AdobePhotoshop的最新测试版现已引入一项革命性的功能,允许用户通过简单的文本提示,利用人工智能技术生成图像。该功能的核心在于Adobe新发布的生成式AI模型系列FireflyImage3。包括谷歌和微软在内的多家科技巨头都在AI领域取得了显著的进展和突破。
Adobe发布了Firefly图像生成模型的最新版本,名为FireflyImage3,声称具有“摄影细节”的图像生成能力。相比之前的版本,这一第三代模型在图像生成能力上有了显著的改进。即使是新手用户也可以在Photoshop中游刃有余,并更快地成为高级用户,PhotoshopgentechAI产品管理总监JohnMetzger表示。
AdobePhotoshop迎来了一次重大更新,通过集成AdobeFireflyImage3Model,引入了多项新的AI功能,这些功能大幅提升了图像编辑的深度与灵活性。这次的更新不仅优化了图像生成的过程让用户能够以前所未有的控制度和精准度实现其创意构想。这些新的AI功能的引入,无疑将为Photoshop用户带来更高效、更精准的图像编辑体验。
字节跳动的Lightning团队发布的新图像模型蒸馏算法Hyper-SD,是一项在图像处理和机器学习领域的重要进展。这项技术通过创新的方法提升了模型在不同推理步骤下的性能,同时保持了模型大小的精简。随着进一步的研究和开发,Hyper-SD及其衍生技术有望在多个领域内推动AI技术的发展和应用。
Midjourney发布了一个有趣的功能,可以基于提示词生成完全随机的图像风格。使用方式:在提示词后添加--srefrandom,如果找到了喜欢的风格可以通过--srefurl将风格迁移到新图片上。无论是个人创作还是与他人合作,Midjourney的新功能都将为用户提供更多创作灵感和交流的机会。
一个可以自动分析PDF、网页、海报、Excel图表内容的大模型,对于打工人来说简直不要太方便。上海AILab,香港中文大学等研究机构提出的InternLM-XComposer2-4KHD模型让这成为了现实。IXC2-4KHD将多模态大模型支持的分辨率提升到了4K的水平,研究人员表示目前这种通过增加切块个数支持更大图像输入的策略遇到了计算代价和显存的瓶颈,因此他们计划提出更加高效的策略在未来实现�
Midjourney最近推出了一个有趣的新功能——Room,为用户提供了一个协作和社交平台。在这个功能中,用户可以一起创建和分享图像,并参与实时聊天。Midjourney通过引入Room功能,为用户提供了一个探索、合作和分享他们人工智能艺术创作过程的平台。
当用户在与MetaAI的聊天中开始输入文本到图像的提示时,将看到随着添加更多关于想创建的内容的细节,图像如何变化。在Meta分享的示例中,一个用户输入了提示:“想象一场在火星上进行的足球比赛。这一新功能是Meta在其所有应用程序中推出AI功能的一部分,包括WhatsApp、Instagram、Facebook和Messenger。
OpenAI宣布关闭DALL-E2图像生成器服务,由其后续产品DALL-E3替代。DALL-E2在2022年4月面世后不久,以其能够根据简单文本提示生成高质量图像一举成名。但为了安全起见,大家可能需要下载自己特别喜欢的任何内容。
在计算机视觉和图形学领域,材质迁移技术一直是研究的热点之一。牛津大学、StabilityAI和MITCSAIL的研究团队共同开发了一种名为ZeST的创新方法,它能够在无需任何先前训练的情况下,实现从一张图像到另一张图像中对象的材质迁移。研究团队将继续探索如何将ZeST扩展到更广泛的应用领域,并进一步提升其性能和效果。
2txt是一个基于AI的图像转文字工具,使用ClaudeHaiku和VercelAISDK创建。这个工具不仅可以将任意图像上的文字识别出来能将其转换成可编辑的文本格式。用户只需上传图片,系统就会自动识别图片中的文字,并将其转换成可编辑的文本格式,极大地提高了工作效率。
北大和字节联手搞了个大的:提出图像生成新范式,从预测下一个token变成预测下一级分辨率,效果超越Sora核心组件DiffusionTransformer。并且代码开源,短短几天已经揽下1.3k标星,登上GitHub趋势榜。他硕士毕业于浙江大学,目前的研究重点是视觉基础模型、深度生成模型和大语言模型。
北大与字节跳动AILab联合提出了一种图像生成新范式——VAR,这一新方法的核心在于预测下一级分辨率非传统的预测下一个token。VAR的提出不仅在图像生成质量上超越了Sora的核心组件DiffusionTransformer在推理速度上也实现了20倍以上的提升。VAR的开源也体现了学术界与工业界合作的积极成果,有助于推动整个AI领域的发展和创新。
Adobe的图像生成AI“Firefly”以其训练集来源自AdobeStock中的图片和视频闻名。美国经济报纸彭博社报道称,Firefly的数据集实际上包含由Midjourney等公司生成的图像。”然,Tushnett教授指出,Firefly学习自Midjourney生成的图像的事实与其声称与其他图像生成AI不同的说法相矛盾。
强固型边缘计算人工智能平台厂商Neousys宸曜科技发布了一条新的基于JetsonOrinNX的产品线,为现有标准架构机器视觉系统或监控系统提供人工智能算力升级。新的产品线在外形和尺寸上有2种选择,包括2张智能图像采集卡PCIe-NX150系列,和2款扁平散热片边缘计算人工智能平台NRU-150-FT系列。注:文中品牌名称和注册商标是其各自所有者的财产。
Meta与德国慕尼黑工业大学研发出创新模型ViewDiff,旨在帮助用户通过文本、图像或二者结合使用,快速生成高质量多视角3D图像。该模型解决了传统文本生成多视角3D图像领域的三大难点:无法生成真实背景环境、图像质量和多样性不理想、缺乏多视角和一致性。该模型的推出不仅在技术层面上具有重大意义,也将为未来的3D图像生成领域带来更多创新可能。
ComfyUI-IPAdapter-Plus是一个强大的图像生成和编辑工具,专门用于基于一个或多个参考图像进行图像到图像的条件生成。通过文本提示、控制网络和掩码,您可以轻松生成增强图像的各种变体。获取更多详细信息并开始体验图像生成的乐趣,请访问ComfyUI-IPAdapter-Plus官方网站。
2023年10月4日,谷歌宣布将从5月15日起向所有谷歌相册用户免费提供三款生成式AI图像编辑工具:MagicEditor、PhotoUnblur和MagicEraser。MagicEditor能够轻松实现一键PS、调色和光影效果,让用户更加便捷地编辑图片。这也意味着用户无需再局限于专业的图片编辑软件,通过谷歌的AI工具,即可轻松实现多样化的编辑需求。
4月11日,谷歌在官网宣布从5月15日起,将向所有谷歌相册用户免费提供MagicEditor、PhotoUnblur和MagicEraser三款生成式AI编辑工具。通过这三款强大的AI图像编辑工具,用户可以轻松将模糊的图片变高清,实现一键PS/调色/光影,删除图片多余内容等。现在通过MagicEraser可以一键完美去除它们了。