开源项目

这项魔法来自华盛顿大学，项目名为 Inverse Painting，从原图 → 绘画过程延时视频，Inverse Painting 采用基于扩散的逆绘画方法。 项目地址：https://inversepainting.github.io/

Pyramid-Flow是一款超高清视频生成模型，由快手、北京大学和北京邮电大学研究团队联合开源。该模型能够生成10秒、1280×768分辨率、24帧的视频，质量出色。 项目地址： https://pyramid-flow.github.io

HivisionIDPhoto 可以做到： 轻量级抠图（纯离线，仅需 CPU 即可快速推理）根据不同尺寸规格生成不同的标准证件照、六寸排版照支持 纯离线 或 端云 推理美颜智能换正装（waiting） 项目地址： https://github.com/Zeyi-Lin 体验地址： https://swanhub.co/ZeYiLin/HivisionIDPhotos/demo

本文介绍了“LVCD：Reference–based Lineart Video Colorization with Diffusion Models”，发表于 ACM Transactions on Graphics & SIGGRAPH Asia 2024。作者包括 Zhitong Huang、Mohan Zhang、Jing Liao，来自香港城市大学…

StoryMaker 可以通过文本提示控制生成图像的背景、姿势和风格，使得用户可以根据不同的场景需求生成符合叙事需求的图像序列。 该模型支持包括服装交换、角色插值等功能，并能与其他生成插件（如 LoRA、ControlNet）集成，提供多样化的生成应用场景。 地址： https://huggingface.co/RED-AIGC/StoryMaker

可以处理各种复杂的OCR任务，不仅包括普通文本，还可以识别公式、表格、乐谱等复杂内容。 项目地址： https://github.com/Ucas-HaoranWei/GOT-OCR2.0

Mini-Omni是一款开源多模态大型语言模型，具有实时语音处理能力和边思考边说话的独特能力，为用户带来自然交互体验。它支持多种输入模态，包括语音和文本，展现出全面的实力和强大的潜力。Mini-Omni的 Any Model Can Talk 功能使得其他AI模型能够集成其实时语音能力，扩展了AI应用的可能性。 项目地址： https://github.com/gpt-omni…

北京零一万物科技有限公司宣布正式开源Yi-Coder系列模型，标志着在人工智能领域取得重要进展。Yi-Coder系列模型专注于编程任务，提供1.5B和9B两种参数规模的模型，展现出卓越性能。 项目地址： https://github.com/01-ai/Yi-Coder

项目特点：只需一个提示就能生成代码库，提出需澄清的问题，生成技术规范，编写所有必要代码，易于添加推理步骤、修改和实验，项目开源。主要理念：简单易用，为用户提供价值；灵活且易于添加新的 “AI 步骤”；支持高级提示，能记住用户反馈；能快速在 AI 和人类之间切换；所有计算 “可恢复” 并持久保存到文件系统。生成过程：整个过程分需求细化促进和软件构建两个阶段，前者循环提问直至需求澄…

全文总结本文主要介绍了一种名为 ExAvatar 的新型表达性全身 3D 高斯化身。它结合了 SMPL–X 的全身驱动性和 3DGS 的强大外观建模能力，可通过短时间的手机扫描创建，并支持新的身体姿势、手部姿势、面部表情的动画和任意视角的渲染。文中还阐述了其混合表示、身体各部位的协同注册、架构以及与先前技术和生成式 AI 的比较等方面。重要亮点 地址： https:…