关于AIGC人工智能、思维方式、知识拓展,能力提升等。投稿/合作: @inside1024_bot
AIGC 领域的最新工具、开源项目以及行业大事件
卧槽 MagicClothing 这个AI 换装的演示效果有点强啊。

而且还可以与 ControlNet 和 IP-Adapter 等其他技术结合使用。还是开源的,期待对应的 ComfUI 节点。

详细介绍:

推出了一种名为 Magic Clothing 的新型网络架构,它基于潜在扩散模型(LDM)进行开发,专门处理一项新的图像合成任务——服装驱动的图像合成。

该系统旨在生成根据不同文本提示定制的、穿着特定服装的角色。在这一过程中,图像的可控性至关重要,主要是要确保服装的细节得以保留,并且生成的图像要忠实于文本提示。

为了实现这一点,我们开发了一种服装特征提取器,用以详细捕捉服装的特征,并通过自注意力融合技术,将这些特征有效整合到预训练好的LDMs中,确保目标角色的服装细节不发生改变。

同时,我们还使用了一种称为联合无分类器指导的技术,以平衡服装特征和文本提示在生成图像中的影响。

此外,我们提出的服装提取器是一个可插拔模块,可以应用于多种经过微调的LDMs,并能与 ControlNet 和 IP-Adapter 等其他技术结合使用,进一步提高生成角色的多样性和可控性。

我们还开发了一种名为匹配点LPIPS(MP-LPIPS)的新型评估指标,用于评价生成图像与原始服装之间的一致性。

论文地址:https://arxiv.org/abs/2404.09512
llVDXnXi8OVXmq9nbSTo96PaZ11mv3.png
6.6 MB
波士顿动力的新机器人。前几天放弃液压Atlas的新闻,不知怎么传得就像波士顿动力要退出江湖了似的。
你大爷还是你大爷😂
受@海辛Hyacinth 启发的一个小练习~
最近关于PM要不要读论文的讨论越来越热烈了
不管怎么说算法都要读论文的
一位算法朋友为了满足自己需要搞了网站
- 用算法选出每天最值得看的10篇AI论文
- 也可以自己搜索感兴趣的论文话题
- 论文解决的问题都用中文列好了
- 未来研究思路启发灵感
如果你也想AI论文,可以试试
https://paper.oneai.host
通义千问的公文写作太牛了。太好用了。更适合中国宝宝体质的AI。
某毒不愧是科技的绊脚石…
请睁开眼看看这个世界吧…
自己的模型打过 mistral 再说…
Rewind 那家公司的新产品 Limitless,一款“现实世界版 Rewind”。
通过一个便携式录音夹子,记录你一天听到和说出的所有话,并通过 AI 进行整理。
软件版现在就能用了,29 刀一个月,通过电脑客户端记录。
硬件版现在预订,99 刀免订阅费,第四季度发货。 ​​​
Super memory 一个开源的 AI 第二大脑功能工具。

支持将推特书签和网页内容都保存到自己的Super memory中,然后可以利用AI查找和回顾自己的收藏。

推特书签保存这个很强大,但是我试了一下,浏览器插件有问题,没办法安装。

项目地址:https://github.com/Dhravya/supermemory
Notion海外卖模板的捡钱方式,从去年八月到现在,就靠官方流量+每周2封email(11月才开始),这2个月完全停止了运营,算下来平均每月也能有2-3k,当个零花钱很不错,关键是这玩意不费脑子......

感兴趣的朋友多的话,后续我写个详细教程~
Adobe 出手了:“你大爷还是你大爷”

将 AIGC 无缝融入到 Premiere Pro 的视频剪辑工作流中,几个 use case 都快、狠、准。

接入了 OpenAI、PIKA、Runway,随便选用。只要创作者的流量入口还在 Adobe,其他解决方案技术的提供公司恐怕就只能做幕后随叫随到的扫地僧。

剪映,也将会同理。
这是什么神仙网站!
AI时代看着这么人工精心的整理耳目一新
@nhciao 和一群小伙伴们整理了的
Stable Diffusion Research Papers
还有很多Awesome AI Products
网站中英双语 + 完全开源!

https://latentbox.com/
主打一个降低信息差
像一个精选的信息无印良品👍
你能明显感觉到某些AI文娱赛道从业者的倔强:老百姓越喜欢什么,我就越要故意避开什么。

老百姓就是喜欢怪的,脏的,野的,狠的,狗血的,叛逆的,刺激的,跳脱的,俗称偏离标准化的,具备多元稀缺性的。

而这些从业者就是喜欢正经的,稳重的,体面的,治愈的,酷的,“有”趣的,岁月静好的,正能量包饺砸的,以契合祖训从小教育要匹配的标准化好成绩为目标,感动祖宗。

所以,你啥时候能见到killer产品啊?只能等他们自己失手,一不小心搞出个违背祖训的不正经不治愈怪胎,老百姓就有得玩了
最近一直好奇一个问题:用户反馈数据(点赞点踩三选一四选一)给模型做强化学习有没有用?用处多大?产品能否构建起数据飞轮形成壁垒?

目前问了几个从业者,收集到的回答有:
1. 很有用
2. 在娱乐化场景用处不大,因为用户的选择偏好很离散
3. alignment阶段让模型语言风格贴近用户喜好有些用处,但本质对于模型能力提升用处不大

欢迎各位大神评论
Back to Top