生成画像技術の急速な発展に伴い、クリエイターは画像出力の多様性、著作権保護、視覚効果への需要をますます高めています。こうした背景の下、NegToMeは画像生成分野に革新的な技術をもたらしました。この画期的な技術は、画像駆動型の敵対的指導手法を用いることで、従来のネガティブプロンプトの限界を完全に突破します。テキストベースの敵対的指導手法とは異なり、NegToMeは画像の視覚的特徴を直接参照することで、正確かつ柔軟な画像生成制御を実現します。この技術の主な利点は複数に及びます

先日、研究チームはデジタルコンテンツ制作に高忠実度のヘッド合成ソリューションを提供することを目的とした、CHANGERと呼ばれる新しいヘッドフュージョンパイプラインを発表しました。この技術は、特に視覚効果（VFX）、デジタルヒューマンの作成、バーチャルアバターなどの分野において、産業用途で特に重要です。ヘッドフュージョンの主な課題は、頭の形やヘアスタイル構造の違いであり、これにより合成境界が不自然になったり、融合アーティファクトが発生することがよくあります。既存の方法では、通常、前景と背景の処理を単一タスクとして扱うため、融合効果が不十分になることがよくあります。CH

中国産のオープンソースビデオ生成モデルCogVideoX-5BがModelScopeコミュニティで正式にオープンソース化されました。ビデオ生成の質と視覚効果が大幅に向上しています。大規模DiTモデルをベースとし、3D因果変分オートエンコーダー、エキスパートTransformer技術を採用し、3D-RoPE位置エンコーディングと3D全アテンション機構により時空間の統合モデリングを実現しています。漸進的学習技術の活用により、顕著な動き、一貫性があり高品質な長時間のビデオ生成が可能になりました。