Actualités IA

Ne manquez aucun moment de l'innovation mondiale en IA

IA Quotidien

Tendances quotidiennes de l'industrie de l'IA en trois minutes

Chronologie de l'IA

Jalons de l'industrie de l'IA

Guide de monétisation de l'IA

Derniers cas

Partage de cas de monétisation de l'IA

Collection d'images

Cas de monétisation de la création d'images par l'IA

Collection de vidéos

Cas de monétisation de la création de vidéos par l'IA

Collection audio

Cas de monétisation de la création audio par l'IA

Collection de contenu

Cas de monétisation de la rédaction de contenu par l'IA

Tutoriels IA

Derniers tutoriels

Partage gratuit des derniers tutoriels IA

Classements des produits IA

Classement des produits IA

Affiche le classement du nombre total de visites des sites web d'IA

Classement de la croissance du trafic IA

Suit les sites web d'IA à la croissance la plus rapide en termes de trafic

Classement de la baisse du trafic IA

Se concentre sur les sites web d'IA avec des baisses de trafic importantes

Classement hebdomadaire de l'IA

Affiche le classement hebdomadaire des visites des sites web d'IA

Classements des pays populaires

États-Unis

Sites web d'IA les plus populaires auprès des utilisateurs américains

Chine

Sites web d'IA les plus populaires auprès des utilisateurs chinois

Inde

Sites web d'IA les plus populaires auprès des utilisateurs indiens

Brésil

Sites web d'IA les plus populaires auprès des utilisateurs brésiliens

Classements des catégories populaires

Génération d'images

Classement du nombre total de visites des sites web de génération d'images par l'IA

Assistant personnel

Classement du nombre total de visites des sites web d'assistants personnels d'IA

Génération de personnages

Classement du nombre total de visites des sites web de génération de personnages par l'IA

Génération de vidéos

Classement du nombre total de visites des sites web de génération de vidéos par l'IA

Classements des données Open Source populaires

Classement des projets IA

Projets IA populaires sur GitHub par nombre total d'étoiles

Classement de la croissance des projets IA

Projets IA populaires sur GitHub par taux de croissance

Classement des développeurs IA

Classement des développeurs IA populaires sur GitHub

Classement des organisations IA

Classement des organisations IA populaires sur GitHub

Catégories Open Source populaires

Deepseek

Projets Open Source Deepseek populaires sur GitHub

TTS

Projets Open Source TTS populaires sur GitHub

LLM

Projets Open Source LLM populaires sur GitHub

ChatGPT

Projets Open Source ChatGPT populaires sur GitHub

Bibliothèque de projets Open Source IA

Aperçu

Aperçu des projets Open Source IA populaires sur GitHub

Bibliothèque de produits Navigation de l'outil

UC Berkeley et Google présentent IGN (réseau génératif idempotent) : génération d'images réalistes en une seule étape, révolutionnant les modèles d'IA générative traditionnels

站长之家

Publié leActualités IA · 2 minutes de lecture · Nov 14, 2023

203

Le nouveau réseau génératif idempotent (IGN) de Google et UC Berkeley

Le nouveau réseau génératif idempotent (IGN) de Google et de l'UC Berkeley révolutionne les modèles d'IA générative traditionnels en produisant des images réalistes en une seule étape. L'inspiration du modèle provient de l'efficacité des scènes de la série télévisée "Seinfeld", en utilisant le concept d'opérateurs idempotents. Bien que les résultats de génération actuels ne soient pas encore compétitifs avec les modèles de pointe, l'IGN est beaucoup plus efficace en termes d'inférence, et promet d'être un moteur d'innovation dans le domaine de l'IA générative à l'avenir.

IA générative Réseau génératif idempotent Modèle de diffusion

Cet article provient d'AIbase Daily

Bienvenue dans la section [AI Quotidien] ! Voici votre guide pour explorer le monde de l'intelligence artificielle chaque jour. Chaque jour, nous vous présentons les points forts du domaine de l'IA, en mettant l'accent sur les développeurs, en vous aidant à comprendre les tendances technologiques et à découvrir des applications de produits IA innovantes.

—— Créé par le groupe AIbase Daily

Recommandations d'actualités IA connexes

MangaNinja : Une nouvelle technique d'ombrage de dessins au trait ; Entrez un dessin au trait et une image de référence pour un ombrage précis

Récemment, une méthode d'ombrage de dessins au trait appelée MangaNinja a suscité un vif intérêt. Il suffit d'entrer un dessin au trait et une image de référence pour colorier le dessin au trait en fonction de l'image de référence. Cette technique, basée sur un modèle de diffusion, se concentre sur l'ombrage de dessins au trait guidé par une image de référence, améliorant considérablement la précision et le contrôle interactif de l'ombrage. L'équipe de recherche a mis en œuvre deux conceptions innovantes pour garantir une transmission précise des détails des personnages. Premièrement, ils ont introduit un module de réarrangement de patchs pour favoriser l'apprentissage de la correspondance entre l'image couleur de référence et le dessin au trait cible. Deuxièmement, ils ont adopté une approche pilotée par points

Jan 16, 2025

1.8k

Opération inverse ! TryOffDiff extrait les vêtements des mannequins en un clic pour créer des images de vêtements standardisées

Lors de vos achats en ligne, avez-vous déjà été déçu par l'énorme différence entre les photos des modèles et celles des clients ? Une même tenue peut sembler incroyablement élégante sur un mannequin, mais décevante une fois portée. Ne vous inquiétez plus ! L'équipe d'apprentissage automatique de l'Université de Bielefeld en Allemagne a mis au point une technologie IA révolutionnaire nommée TryOffDiff, capable de « supprimer » la personne d'une photo pour ne laisser que le vêtement, générant ainsi une image produit standardisée ! Cette technologie utilise la puissante intelligence artificielle des « modèles de diffusion » et peut identifier les vêtements à partir d'une simple photo.

Dec 2, 2024

6.0k

ByteDance lance le modèle de génération vidéo Doubao : génération de vidéos de 10 secondes et cohérence multi-caméras

Lors de la tournée d'innovation IA 2024 de Volcano Engine, le président de Volcano Engine, Tan Dai, a dévoilé le nouveau modèle de génération vidéo Doubao. Ce modèle intègre plusieurs technologies de pointe, notamment une unité de calcul DIT fusionnée hautement efficace permettant un codage de compression profond de la vidéo et du texte. Il utilise également une nouvelle méthode d'entraînement de modèle de diffusion assurant la cohérence lors de la génération de vidéos multi-caméras. De plus, le modèle intègre une architecture Transformer profondément optimisée, améliorant considérablement les capacités de généralisation de la génération vidéo.

Sep 24, 2024

17.2k

Défiez la loupe ! DiPIR insère des objets virtuels de manière transparente dans des environnements réels

DiPIR est une technologie innovante visant à résoudre le problème de l'insertion transparente d'objets virtuels dans des scènes réelles. En combinant des modèles de diffusion à grande échelle et un processus de rendu inverse basé sur la physique, elle récupère avec précision les informations d'éclairage de la scène à partir d'une seule image, permettant une fusion naturelle entre l'objet virtuel et l'environnement. Le processus de DiPIR comprend la construction d'une scène 3D virtuelle, la simulation de l'interaction entre l'objet et l'environnement, et l'optimisation des conditions d'éclairage via un modèle de diffusion pour garantir que l'image générée correspond à la scène réelle. Son avantage réside dans sa grande adaptabilité, car elle convient à des scènes aux conditions d'éclairage variées et produit des images réalistes.

Aug 29, 2024

1.9k

révolutionnaire ! Lumina-mGPT peut créer des images réalistes et haute résolution à partir de texte

Les modèles de génération multimodale sont à l'avant-garde de la nouvelle vague de l'intelligence artificielle, se concentrant sur la fusion des données visuelles et textuelles pour créer des systèmes d'IA polyvalents capables d'exécuter diverses tâches, de la génération d'images à la compréhension et au raisonnement inter-types de données. L'un des défis clés est d'améliorer les capacités des modèles autorégressifs (AR) afin qu'ils puissent générer des images hautement détaillées à partir de descriptions textuelles. Bien que les modèles de diffusion excellent dans la génération d'images de haute qualité, les modèles AR accusent un retard en termes de qualité d'image, de flexibilité de résolution et de capacités de traitement multitâches. Des chercheurs du Shanghai AI Laboratory et de l'Université chinoise de Hong Kong ont présenté Lum...

Aug 15, 2024

2.4k

Stable-Hair : L'outil IA révolutionnaire pour changer de coiffure

Stable-Hair est une technologie innovante de transfert de cheveux conçue pour relever les défis posés par les technologies existantes dans le traitement de coiffures diverses et complexes, offrant ainsi aux utilisateurs une expérience d'essayage virtuel améliorée. Cette technologie utilise un modèle de diffusion pour transférer précisément une variété de coiffures réelles sur les images faciales fournies par l'utilisateur. Son processus de travail se déroule en deux phases : d'abord, un "convertisseur de tête chauve" supprime les cheveux de l'image, puis le transfert de coiffure est effectué grâce à trois modules uniques : un "extracteur de coiffure", un "réseau d'identité potentiel" et une "couche d'attention croisée des cheveux", garantissant un résultat de transfert de haute qualité.

Jul 31, 2024

8.5k

ScaleLong扩散模型：une opération de mise à l'échelle pour stabiliser l'entraînement du modèle (développé par l'université Sun Yat-sen et al.)

L'opération de mise à l'échelle sur la connexion de saut longue de l'UNet peut stabiliser l'entraînement du modèle. Une configuration appropriée du coefficient de mise à l'échelle peut atténuer l'instabilité des caractéristiques et améliorer la robustesse du modèle aux perturbations d'entrée. Présentation des méthodes d'échelle apprenante (Learnable Scaling - LS) et d'échelle constante (Constant Scaling - CS). Visualisation de l'importance des caractéristiques et des paramètres lors de l'entraînement du modèle. Mise à l'échelle.

Mar 1, 2024

410

ScaleLong：un modèle de diffusion qui stabilise l'entraînement de UNet en quelques lignes de code (développé par l'université Sun Yat-sen et al.)

Présentation d'une opération de mise à l'échelle des connexions de saut longues de UNet pour stabiliser l'entraînement du modèle. Analyse du phénomène d'accélération de l'entraînement avec l'opération de mise à l'échelle 1/√2. Atténuation de l'instabilité des caractéristiques et des paramètres grâce à la mise à l'échelle. Les méthodes LS et CS stabilisent efficacement et simplement l'entraînement du modèle de diffusion.

Feb 29, 2024

680

Édition de fragments musicaux avec MusicMagus, basé sur un modèle de diffusion

''Défis des techniques de génération musicale : communiquer des émotions spécifiques dans la musique via des descriptions textuelles. MusicMagus offre une solution d’édition précise.''Résultats expérimentaux prouvant des performances exceptionnelles : MusicMagus surpasse les modèles de référence en termes de sémantique et de structure musicales, stimulant ainsi le progrès des techniques d’édition musicale.''Innovation du modèle combinant les avantages de la RA et des modèles de diffusion, améliorant la qualité et l’efficacité de l’édition musicale.''Les recherches montrent que MusicMagus a réalisé des progrès significatifs dans l’édition musicale, démontrant son approche innovante de l’édition musicale.''

Feb 26, 2024

300

L'équipe de You Yang de l'Université nationale de Singapour publie le modèle de diffusion p-diff, accélérant la génération de paramètres sous-jacents de l'IA

Le modèle de diffusion p-diff, développé par l'équipe de You Yang de l'Université nationale de Singapour, génère des paramètres de réseaux neuronaux 44 fois plus rapidement. Ce modèle, combiné à une conception d'auto-encodeur, apprend les distributions de paramètres dans les processus direct et inverse pour générer des paramètres de modèles de haute qualité. La précision du modèle généré est proche ou même supérieure à celle de l'entraînement manuel, et il possède une bonne capacité de généralisation. Yann LeCun a salué ce modèle, le considérant comme une percée majeure dans le domaine de l'IA. Le modèle p-diff accélère l'efficacité de l'entraînement des réseaux neuronaux et offre de nouvelles pistes pour le développement des technologies d'IA.

Feb 26, 2024

760