- 博客(835)
- 资源 (54)
- 收藏
- 关注
RSS订阅
原创 手把手写C++服务器(0)：专栏文章-汇总导航【持续更新】
手把手写C++服务器(1)：网络编程常见误区手把手写C++服务器(2)：C/C++编译链接模型、函数重载隐患、头文件使用规范手把手写C++服务器(3)：C++编译常见问题、编译优化方法、C++库发布方式手把手写C++服务器(4)：Linux四大必备网络分析工具手把手写C++服务器(6)：编译实操——打开gcc/g++世界手把手写C++服务器(7)——给C语言程序员看的C++科普手把手写C++服务器(8)：常用boost之program_options命令行参数解析
2021-07-28 11:58:34
4541
51
原创 经典必刷LeetCode汇总
LeetCode题目分类Hash相关q1_两数之和链表操作q2_两数相加 q19_删除链表的倒数第N个节点 q61_旋转链表 q138_复制带随机指针的链表 q206_反转链表双指针遍历/滑动窗口q3_无重复字符的最长子串 q11_盛最多水的容器 q15_三数之和 q16_最接近的三数之和 q26_删除排序数组中的重复项 q42_接雨水 q121_买卖股票的...
2020-04-12 15:04:05
3784
2
原创 ECCV2024中有哪些值得关注的扩散模型相关的工作？
通过广泛的人类评估和基于GPT的组合评估，RFNet在生成现实和幻想场景方面优于现有方法。实验结果表明，RFNet在处理需要高度创造力和抽象思维的提示时，能够生成更准确、更具一致性的图像，展示了其在文本到图像生成任务中的优越性能。研究者们提出了Realistic-Fantasy Network (RFNet)，这是一种无需训练的方法，通过将扩散模型与大型语言模型（LLMs）集成，增强了对提示的理解能力。模型展示了在零样本情况下，通过文本引导生成任意尺寸图像的能力，并且生成的图像具有丰富的上下文和高分辨率。
2024-07-21 19:45:00
4302
2
原创 源码剖析：详细解读基于DiT结构的视频生成模型EasyAnimate
Sora发布半年之后，开源社区也有很多有影响力的工作如Open-Sora、EasyAnimate、Open-Sora-Plan等，这些都复现了Sora里面的经典思想。这篇博客以《EasyAnimate: A High-Performance Long Video Generation Method based on Transformer Architecture》为例，详细解读EasyAnimate的代码，希望对follow Sora的读者有所帮助。
2024-07-21 10:30:00
216
2
原创 每日AIGC最新进展(52)：谷歌提出街景图扩散生成模型、清华大学提出长视频生成方案、华中科技大学提出神经网络高动态范围视频渲染方法
本文提出了一种新颖的神经网络高动态范围(HDR)视频渲染方法，名为NECHDR，旨在解决从低动态范围(LDR)视频中渲染HDR视频时遇到的曝光变化和信息缺失问题。该方法通过时间维度上邻近LDR帧的插值，重构缺失曝光信息的LDR帧，从而在每个时间戳上提供完整一致的曝光信息，有效减少了噪声和重影伪影，提高了视频的时间一致性。
2024-07-20 17:15:49
528
2
原创 代码解读：Diffusion Models中的长宽桶技术(Aspect Ratio Bucketing)
自从SDXL提出了长宽桶技术之后，彻底解决了不同长宽比的图像输入问题，现在已经成为训练扩散模型必选的方案。这篇博客从代码详细解读如何在模型训练的时候运用长宽桶技术(Aspect Ratio Bucketing)。
2024-07-20 16:49:11
1440
2
原创 每日AIGC最新进展(51)：昆仑万维震撼发布16B DiT-MoE图像生成模型、东北大学提出使用去噪神经权重进行高效训练、美团提出视频扩散模型量化方法
本文介绍了DiT-MoE，一种可扩展的稀疏变分Transformer模型，它在保持与密集网络竞争力的同时，实现了高度优化的推理。通过共享专家路由和专家级平衡损失设计，DiT-MoE捕获了共同知识并减少了不同路由专家之间的冗余。
2024-07-18 11:24:17
651
2
原创 源码剖析：MimicMotion: High-Quality Human Motion Video Generation with Confidence-aware Pose Guidance
最近一年有很多非常火的人类跳舞视频生成的工作，最近腾讯出品了基于SVD模型的MimicMotion，是目前生成结果最好，效果最稳定，分辨率最高，人物ID特征保持最好的工作，这篇博客结合论文原理和细节，深入解读《MimicMotion: High-Quality Human Motion Video Generation with Confidence-aware Pose Guidance》的代码。
2024-07-17 21:09:52
473
2
原创 每日AIGC最新进展(50)：联想研究院提出多轮交互式漫画图像生成扩散模型
利用稳定扩散（Stable Diffusion, SD）模型和P-UNet，根据优化后的布局和主题数据库中的信息，生成每个主题的潜在特征图（latent feature maps）。根据主题管理器提供的描述，布局生成器创建一个初步的布局草图，包括每个主题和组件的边界框（bounding boxes），确定它们在图像中的大致位置和尺寸。● 监督者（Supervisor）对布局生成器提出的草图进行评估，并提供改进建议，以修正不合理的空间关系，优化主题间和主题内部的布局。
2024-07-15 07:45:00
614
2
原创 每日AIGC最新进展(49)：阿里巴巴提出专用于卡通视频编辑和生成的扩散模型
在主要的卡通渲染管道中，将输入视频中的信息分解为轮廓和颜色。该模型是针对超分辨率任务进行训练的，因此即使输入的视频是低分辨率的，它也可以提高整体的视频质量。为了实现动漫风格视频编辑，设计了一个额外的编辑分支来为主要的卡通渲染管道生成一个编辑过的彩色视频。为了实现这一点，作者添加了一个编辑分支来为主要的卡通渲染管道生成文本引导的编辑信号，其中编辑信号以彩色视频的格式传递。虽然该分支合成的彩色视频可能会出现模糊，但它保持了高度的视觉连贯性，适合引导主要的卡通着色管道合成高质量的视频。
2024-07-14 08:00:00
543
2
原创 每日AIGC最新进展(48)：腾讯提出Rich-Contextual Conditional Diffusion Models、OPPO提出自动生成复杂字形海报模型、南京大学提出基于Mamba插帧模型
本文提出了一种新颖的富语境条件扩散模型（Rich-contextual Conditional Diffusion Models, RCDMs），旨在增强故事可视化中的语义和时间一致性。文章首先指出现有方法在生成连贯故事时，往往忽视了上下文的一致性和相关性。接着，作者提出了一个两阶段的方法：第一阶段利用框架先验Transformer扩散模型预测未知片段的框架语义嵌入；第二阶段通过丰富的上下文条件建立强大的模型，包括已知片段的参考图像、未知片段的预测框架语义嵌入和所有字幕的文本嵌入，以实现图像和特征层面的联合
2024-07-13 08:15:00
621
2
原创 NCNN源码学习(1)：Mat详解
最原始的发行版本代码比较简洁，我们从2017年ncnn第一次开源的版本阅读mat的源码。阅读源码味如嚼蜡，下面就开始吧！构造函数内存分配数据成员申请和释放内存引用计数辅助函数填充函数fill
2024-07-12 21:30:00
1114
2
原创 每日AIGC最新进展(47)：华中科技大学联合南京大学提出大型人体数据集WildAvatar
WildAvatar是一个来自YouTube的大型数据集，拥有10,000多个人类受试者，旨在解决现有实验室数据集在头像创建方面的局限性。
2024-07-11 08:15:00
884
2
原创 每日AIGC最新进展(46)：上海AI Lab发布多模态大模型InternLM-XComposer-2.5、阿里发布视频生成大模型EasyAnimate-V3、快手发布人像模型LivePortrait
InternLM-XComposer-2.5（IXC-2.5）是由上海人工智能实验室等机构开发的一款多功能大型视觉语言模型，支持长上下文输入和输出。该模型在多种文本图像理解和创作应用中表现出色，仅凭7B的LLM后端就达到了GPT-4V级别的能力。IXC-2.5通过24K交错图像-文本上下文的训练，能够无缝扩展到96K长上下文，特别适用于需要广泛输入和输出上下文的任务。
2024-07-10 19:42:21
1360
2
原创 每日AIGC最新进展(45)：字节跳动开源大规模text-to-video数据集OpenVid-1M、浙江大学提出锚定条件控制视频生成GVDIFF、Meta AI研究院提出文生3D大模型3DGen
OpenVid-1M是一个大规模、高质量的文本到视频（Text-to-video, T2V）数据集，旨在推动T2V生成领域的研究。该数据集包含超过一百万段具有高美学标准、清晰度和表达性字幕的视频片段。它解决了现有数据集质量不高或体积过大不适合大多数研究机构使用的问题，并强调了充分利用文本信息的重要性。
2024-07-09 21:45:00
1195
2
原创 Data-Juicer：阿里巴巴荣誉出品的大模型数据清洗框架
如何优雅地进行大规模数据清洗是一门艺术，特别对于大模型，数据的质量是决定模型成功最关键的因素之一。阿里巴巴最近开源了一项专门针对大语言模型和视频生成大模型的数据清洗框架，值得关注！
2024-07-08 08:15:00
1183
2
原创 每日AIGC最新进展(44)：谷歌提出遮挡物体的3D重建技术SpotLessSplats、英伟达提出体素网格超分方法ASSR-NeRF、莫纳什大学提出长视频理解测评标准InfiniBench
本文介绍了一种名为SpotlessSplats（简称SLS）的新技术，用于3D场景重建，特别是在存在临时遮挡物的情况下。SLS基于3D高斯Splatting（3DGS）技术，通过利用预训练的通用特征和强大的优化方法，有效忽略了短暂的干扰因素。这项技术在视觉和定量上都达到了最先进的重建质量，适用于日常捕获的场景。
2024-07-07 22:15:00
352
3
原创 每日AIGC最新进展(43)：腾讯人类动作视频生成框架MimicMotion、香港大学提出AI生成视频检测方法、基于小波变换的自回归生成模型
MimicMotion是一种高质量的人类动作视频生成框架，它通过引入置信度感知的姿态引导技术，解决了视频生成中的可控性、视频长度和细节丰富度等挑战。与传统方法相比，MimicMotion具有提高帧质量和时间平滑性的特点，并通过区域损失放大策略显著降低图像失真。
2024-07-07 00:11:10
455
1
原创 深入解读：如何解决微调扩散模型时微调数据集和训练数据集之间的差距过大问题？
在微调扩散模型的时候经常会遇到微调数据集和训练数据集之间的差距过大，导致训练效果很差。在图像生成任务中并不明显，但是在视频生成任务中这个问题非常突出。这篇博客深入解读如何解决微调扩散模型时微调数据集和训练数据集之间的差距过大问题？
2024-07-04 21:45:00
652
1
原创 每日AIGC最新进展(42)：首尔国立大学提出解耦运动建模视频插帧方法MoMo、维也纳工业大学提出减少3D高斯内存占用方法、哈索普拉特纳研究所提出改进 CLIP 中跨模式对齐的方法AlignCLIP
MoMo的核心是其创新的架构设计，它专注于光流建模，通过在更低分辨率下预测光流并使用凸上采样层恢复到原始分辨率，从而提高了计算效率和性能。MoMo的运动扩散模型采用x0-预测和L1范数，与图像扩散模型常用的ϵ-预测和L2范数不同，这样的选择更适合光流建模。
2024-07-03 22:30:00
1065
2
原创 每日AIGC最新进展(40)：Lehigh大学发表个性化扩散模型中捷径学习的研究、上海AI Lab提出通过结合多种控制信号控制图像生成AnyControl、MIT提出基于扩散模型的合成图像分解
本文研究了个性化扩散模型在对抗性扰动下的脆弱性，并提出了一种新的净化方法以提高模型在受保护图像数据集上的鲁棒性。个性化扩散模型能够通过少量图像微调预训练的文本到图像模型，生成特定主体的图像，但研究发现这些模型容易受到小的对抗性扰动，导致在损坏数据集上的性能大幅下降。
2024-07-02 22:30:00
638
2
原创 每日AIGC最新进展(41)：上海AI Lab提出新型DiT结构Lumina-Next、Adobe研究院提出图像与文本对齐方法AlignIT、新型多模态图像生成模型MUMU
Lumina-Next是一种新型的生成模型，旨在通过改进的Next-DiT架构、上下文外推技术和快速采样技术，解决前身Lumina-T2X在生成质量和效率上的挑战。该模型通过3D RoPE和三明治归一化等技术，提高了图像和视频生成的稳定性和推理速度，并减少了外推伪影。
2024-07-01 08:00:00
440
4
原创 每日AIGC最新进展(39)：斯坦福大学提出单目视频的新视图生成DGMarbles、玛丽女王大学提出基于单幅图像的神经网络材质外观建模方法、ViVo研究院提出从单目视频中重建出高保真的3D人体头像
本文介绍了一种新的方法，名为Dynamic Gaussian Marbles（DGMarbles），旨在提高从日常单目视频中合成新视图的质量。DGMarbles通过三个核心改进克服了单目设置的不足，包括使用各向同性的高斯“球体”简化模型，采用分而治之的学习策略优化全局一致性的运动，以及引入图像和几何级别的先验知识来引导优化过程。
2024-06-30 20:00:00
606
2
原创 每日AIGC最新进展(38)：华盛顿大学提出图像生成版权评估方法COPYCAT、CMU提出视觉生成模型的基准测试工具GenAI-Bench、复旦大学发表图像编辑综述
本文探讨了图像和视频生成模型可能引发的版权侵权问题，尤其是这些模型可能会重现训练数据中的版权内容。研究团队构建了一个评估套件COPYCAT，包含多种版权角色，并开发了新的评估流程来检测模型生成的图像与版权角色的相似度以及与用户输入的一致性。研究显示，即使在不直接提及角色名称的情况下，仅通过两个通用关键词就能触发特定版权角色的生成。
2024-06-29 18:06:12
516
2
原创 每日AIGC最新进展(37)：达姆施塔特工业大学提出分布式协作扩散模型CollaFuse、卡耐基梅隆大学提出扩散模型简易一致性调优方法、俄罗斯Yandex提出可逆一致性蒸馏
本文提出了一种名为可逆一致性蒸馏（Invertible Consistency Distillation, iCD）的新框架，旨在通过少量模型评估实现准确的图像反转和强大的图像生成性能。iCD通过一种新颖的一致性建模框架，能够在3-4个推理步骤内实现高质量的图像合成和准确的图像编码。
2024-06-28 18:29:03
796
4
原创 手把手写C++服务器(44)：必知必会的计算机网络面试必问十题
服务端编程学习的过程中，一半精力都会用在网络编程上，熟知常见的网络编程知识点，不仅会在服务端编程的学习上事半功倍，同时也是面试必备的技能！
2024-06-28 18:19:45
486
2
原创 手把手写C++服务器(44)：必知必会的计算机网络面试必问十题
前言：服务端编程学习的过程中，一半精力都会用在网络编程上，熟知常见的网络编程知识点，不仅会在服务端编程的学习上事半功倍，同时也是面试必备的技能！目录1.OSI，TCP/IP，五层协议的体系结构，以及各层协议2.为什么在TCP四次挥手的过程中，主动关闭方要等待2*MSL时间？3.ARP是地址解析协议，简单语言解释一下工作原理4.HTTP和HTTPS的区别5.常用HTTP状态码和HTTP报文结构6.GET和POST的区别7.TCP三次握手和四次挥手的全过程8.在浏览器
2024-06-26 08:00:00
344
2
原创 手把手写C++服务器(43)：数据库面试必背十题
事务的定义，事务的四大原则数据库事务（Transaction）是指作为单个逻辑工作单元执行的一系列操作。事务具有四个重要的特性，通常被称为ACID，即：原子性（Atomicity）：事务被视为不可分割的原子操作，要么所有操作都成功执行，要么所有操作都不执行，即要么事务的所有操作都被提交，要么全部回滚撤销。一致性（Consistency）：事务的执行将数据库从一个一致性状态转换到另一个一致性状态。这意味着数据库在事务开始之前和结束之后，都必须满足所有的约束和完整性规则。
2024-06-25 21:15:00
737
4
原创 每日AIGC最新进展(36)：以色列Lightricks提出视频中眼镜擦除技术V-LASIK、史蒂文斯理工学院提出实时交互式数字头像框架RITA、清华大学提出神经残差扩散模型Neural-RDM
V-LASIK的核心方法包括三个阶段：数据生成、模型微调和视频编辑流程。首先，通过佩戴眼镜的人物视频生成合成数据对；然后，使用调整过的图像到图像扩散模型对这些数据进行微调，以生成不戴眼镜的真实视频帧；最后，结合运动先验模块，实现时间上连贯的视频编辑。
2024-06-25 11:21:17
751
2
原创 每日AIGC最新进展(35)：字节跳动提出人物肖像动画X-Portrait、字节跳动提出组合式视频编辑Edit3K、东华大学提出基于GCN的草图建模方法DC-gra2seq
X-Portrait是由字节跳动美国团队开发的创新条件扩散模型，专门用于生成富有表现力且时间连贯的肖像动画。该技术能够根据单一肖像图像作为外观参考，结合驱动视频中的动作，捕捉高度动态和微妙的面部表情以及广泛的头部运动。X-Portrait的核心是一个预训练的扩散模型，作为渲染骨干，同时在ControlNet框架内通过新颖的控制信号实现精细的头部姿势和表情控制。与传统的基于面部标志点的粗略显式控制相比，X-Portrait的运动控制模块能够直接从原始驱动RGB输入中解释动态，并通过基于补丁的局部控制模块增强对
2024-06-23 08:15:00
650
4
原创 每日AIGC最新进展(34)：特拉维夫大学提出多主题扩散模型Be Yourself、阿里巴巴提出个性化人脸生成方法FlashFace、清华大学提出快速评估扩散模型方法FlashEval
本文探讨了文本到图像生成领域中的一个关键问题：如何在生成包含多个主题的图像时，保持每个主题的语义准确性和视觉独特性。现有的文本到图像扩散模型在处理具有多个语义或视觉相似主题的复杂输入提示时，往往难以准确捕捉意图语义，主要原因是在去噪过程中主题间不经意的语义泄露。这种泄露是由于扩散模型的注意力层倾向于混合不同主题的视觉特征，导致信息在主题间流动，从而影响了图像的生成质量。
2024-06-22 08:30:00
1479
1
原创 Unet已死，Transformer当立！详细解读基于DiT的开源视频生成大模型EasyAnimate
最近阿里云PIA团队开源了基于Diffusion Transformer结构的视频生成模型EasyAnimate，并且提出了专门针对视频的slice VAE，对于目前基于Unet结构的视频生成最好如SVD形成了降维打击，不论是生成质量、生成时长上都是遥遥领先。这篇博客详细解读一下EasyAnimate的技术报告《EasyAnimate: A High-Performance Long Video Generation Method based on Transformer Architecture》
2024-06-21 10:57:17
1414
6
原创 每日AIGC最新进展(33)：小米提出单步扩散模型SDXS、阿米蒂大学提出加速SD的统一模块LCM-LORA、国立台湾大学提出生成QR二维码的扩散模型
本文介绍了一种名为SDXS的新型实时一步潜在扩散模型，旨在解决现有扩散模型在图像生成方面的高延迟问题。扩散模型虽然在图像生成性能上表现出色，但其复杂的架构和大量的计算需求导致了显著的延迟。为了降低模型的延迟，作者提出了一种双管齐下的方法，包括模型小型化和减少采样步骤，通过知识蒸馏技术简化U-Net和图像解码器架构，并引入了一种创新的一步DM训练技术，该技术结合了特征匹配和分数蒸馏。
2024-06-20 08:30:00
745
2
原创 每日AIGC最新进展(32)：阿里巴巴开源类Sora高清长视频生成模型EasyAnimate
EasyAnimate是一个基于transformer结构的pipeline，可用于生成AI图片与视频、训练Diffusion Transformer的基线模型与Lora模型，我们支持从已经训练好的EasyAnimate模型直接进行预测，生成不同分辨率，6秒左右、fps24的视频（1 ~ 144帧, 未来会支持更长的视频），也支持用户训练自己的基线模型与Lora模型，进行一定的风格变换。
2024-06-19 08:15:00
381
2
原创 每日AIGC最新进展(31)：新加坡国立大学提出视频生成人类评估协议、加州大学提出视频生成测试基准TC-Bench、清华大学提出视频编辑新方法COVE
本文提出了一种新的文本到视频（T2V）模型的人类评估协议（T2VHE），旨在提高评估的可靠性、可重复性和实用性。随着T2V技术的快速发展，传统的评估方法面临挑战，尤其是在自动度量的限制下，人工评估成为更值得信赖的方法。然而，现有的人工评估协议存在可重复性、可靠性和实用性的问题。
2024-06-18 08:15:00
685
2
原创 每日AIGC最新进展(30)：阿卜杜拉国王大学提出旋转视角视频生成Vivid-ZOO、浙江大学提出4D场景编辑Instruct 4D-to-4D、西安交大提出3D重建大规模数据集OpenMateria
本文提出了一种名为Vivid-ZOO的新型扩散模型，用于从文本生成高质量的多视角视频。Vivid-ZOO通过分解视角空间和时间因素来解决多视角视频生成的复杂性，同时解决了大规模标注多视角视频数据集的缺乏问题。该模型结合了先进的预训练多视角图像和2D视频扩散模型的层，以确保生成视频的多视角一致性和时间连贯性，显著降低了训练成本。
2024-06-17 22:15:00
714
2
2016年-2019年西安电子科技大学《自动控制原理》期末试卷汇总.zip
2020-01-08
2019年西安电子科技大学《自动控制原理》期末试卷
2020-01-08
2019年全国大学生电子设计大赛B题所有源代码
2019-08-12
电子信息/通信/计算机专业 保研资料汇总
2021-05-28
中国大学生计算机设计大赛·国家级一等奖作品·资料汇总
2021-05-19
ShapeNet数据集
2021-02-05
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人