腾讯推出的M2UGen是一款多模态音乐生成框架,结合音乐和多模态任务,支持从文字、图像、视频生成音乐,并具备强大的编辑功能。
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。
更多跨行业的知名创作者站出来反对未经创作者同意而训练的AI生成模型。
提出的Dual-Pivot Tuning技术通过个性化恢复在恢复图像中实现了高身份保真度和自然外观。定性比较表明,基于扩散的盲目恢复方法可能无法保留个体的身份,而提出的技术在保持高身份保真度的同时,没有可感知的对降质输入的保真度损失。使用PSNR、SSIM和ArcFace相似性等指标的定量评估表明,所提方法在恢复图像方面对个体身份的高保真度非常有效。
该产品还引入了光随书动技术,利用摄像头的追踪技术让光源自动聚焦在书本上。此外,台灯还具备AI离座感应和自动延时关灯功能,方便节能和使用。