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
AIGC 领域的最新工具、开源项目以及行业大事件
Stability AI 太惨了老是发消息被忽略，昨晚他们还跟Tripo AI 联合推出了 TripoSR 3D 生成模型，可以在不到 1 秒的时间里生成高质量的 3D 模型。#ai#
TripoSR的推理只需要极低的算力，甚至都不需要 GPU，极大的降低了生产成本。权重模型允许商业化使用。
性能：TripoSR可以在其他模型所需时间的一小部分时间内创建详细的3D模型。在Nvidia A100上进行测试时，它可以在大约0.5秒内生成初步质量的3D输出（纹理网格），表现优于其他开放的图像到3D模型，如OpenLRM。
技术细节：训练数据准备包括多种数据渲染技术，更贴近真实世界中图像的分布，显著提高了模型的泛化能力。精心策划了一个CC-BY，即Objaverse数据集的高质量子集，用于训练数据。在模型方面，还对基础LRM模型进行了多项技术改进，包括通道数优化、蒙版监督和更高效的裁剪渲染策略。
详细信息：网页链接歸藏的AI工具箱的微博视频
TripoSR的推理只需要极低的算力，甚至都不需要 GPU，极大的降低了生产成本。权重模型允许商业化使用。
性能：TripoSR可以在其他模型所需时间的一小部分时间内创建详细的3D模型。在Nvidia A100上进行测试时，它可以在大约0.5秒内生成初步质量的3D输出（纹理网格），表现优于其他开放的图像到3D模型，如OpenLRM。
技术细节：训练数据准备包括多种数据渲染技术，更贴近真实世界中图像的分布，显著提高了模型的泛化能力。精心策划了一个CC-BY，即Objaverse数据集的高质量子集，用于训练数据。在模型方面，还对基础LRM模型进行了多项技术改进，包括通道数优化、蒙版监督和更高效的裁剪渲染策略。
详细信息：网页链接歸藏的AI工具箱的微博视频
国内的很多小说视频还是手工用各种 AI 工具拼凑的阶段，可以借鉴一下这个产品的实现方式，是个机会。
他的人物一致性是通过内置的非常多人物 Lora 实现的，目前来看这确实是最稳定的方案。
具体的生成逻辑是你输入大概的故事描述，他会为你生成很多个场景描述，你修改确认之后就会根据文字场景描述生成图片和漫画的对话。
这里尝试：https://dashtoon.com
/imagine Donating to a non-profit whose asserted mission is to protect the Amzaon rainforest, but then the non-profit creates a for-proft Amazonian logging company that uses the fruits of the donations to clear the rainforest. That is the story of OpenAI, Inc.
马斯克起诉Sam、Greg及OAI，到底怎么回事？事情要从混乱善良的Musk创办中立善良的OpenAI, Inc.讲起...关于此案，整理了可能是全网最完整的complaint解读，万字长文带您了解始末。
AI对齐主义有个观点是对的，就是人类首先要比AI聪明，才有能力去判断AI做的事情是不是对的。延伸到现在很多利用AI贩卖焦虑的课程上，似乎有了AI加持之后就可以直接起飞，获得近乎无限的生产力，开启海阔天空的变现之路。事实上，无论是通过AI来写文章还是做视频，使用者本身的能力其实要比工具重要太多，这会体现在驾驭表现上。说直白点就是，如果你自己没有创作的基本功乃至审美、网感这些加分项，那么给你再优秀的AI，你生产出来的也只会是网络垃圾，无法带给你想要的回报，而你大费周章之后也会百思不得其解，最后得出结论：唉，AI还是不行！
Beeble AI和纽约大学一起发布的论文，支持一非常低的成本让人物同虚拟环境的光照相融合，效果看起来非常好。#ai#
他们最新的模型还支持从图片和视频中提取非常丰富的深度信息，可以从单个图像中提取反照率、法线、深度、粗糙度、镜面反射和照明等信息。
论文简介：
我们提出了一种新的人像重照明技术——一种融合物理指导架构和预训练框架的协同设计方法。这种方法基于库克-托伦斯(Cook-Torrance)反射模型，我们精心设计了架构，从而能够精准地模拟光线与物体表面的交互效果。
此外，为了解决高质量光源数据稀缺的问题，我们还开发了一种自我监督的预训练策略。通过这种结合了精确物理建模和扩展训练数据集的创新方法，我们为提高重照明效果的真实感设定了新的标准。
论文地址：网页链接歸藏的AI工具箱的微博视频
他们最新的模型还支持从图片和视频中提取非常丰富的深度信息，可以从单个图像中提取反照率、法线、深度、粗糙度、镜面反射和照明等信息。
论文简介：
我们提出了一种新的人像重照明技术——一种融合物理指导架构和预训练框架的协同设计方法。这种方法基于库克-托伦斯(Cook-Torrance)反射模型，我们精心设计了架构，从而能够精准地模拟光线与物体表面的交互效果。
此外，为了解决高质量光源数据稀缺的问题，我们还开发了一种自我监督的预训练策略。通过这种结合了精确物理建模和扩展训练数据集的创新方法，我们为提高重照明效果的真实感设定了新的标准。
论文地址：网页链接歸藏的AI工具箱的微博视频
