Ежедневные Исследовательские Статьи по ИИ

Ежедневно отобранные исследовательские статьи по ИИ с переводами

Ferret-UI: Основанное на земле понимание мобильного пользовательского интерфейса с мультимодальными LLM.
Ferret-UI: Grounded Mobile UI Understanding with Multimodal LLMs

Keen You, Haotian Zhang, Eldon Schoop, Floris Weers, Amanda Swearngin, Jeffrey Nichols, Yinfei Yang, Zhe Gan•Apr 8, 2024•833

MagicTime: Модели генерации видео ускоренного воспроизведения как метаморфные симуляторы
MagicTime: Time-lapse Video Generation Models as Metamorphic Simulators

Shenghai Yuan, Jinfa Huang, Yujun Shi, Yongqi Xu, Ruijie Zhu, Bin Lin, Xinhua Cheng, Li Yuan, Jiebo Luo•Apr 7, 2024•352

SwapAnything: Возможность произвольного обмена объектами в персонализированном визуальном редактировании.
SwapAnything: Enabling Arbitrary Object Swapping in Personalized Visual Editing

Jing Gu, Yilin Wang, Nanxuan Zhao, Wei Xiong, Qing Liu, Zhifei Zhang, He Zhang, Jianming Zhang, HyunJoon Jung, Xin Eric Wang•Apr 8, 2024•270

ByteEdit: Увеличение, соответствие и ускорение генеративного редактирования изображений.
ByteEdit: Boost, Comply and Accelerate Generative Image Editing

Yuxi Ren, Jie Wu, Yanzuo Lu, Huafeng Kuang, Xin Xia, Xionghui Wang, Qianqian Wang, Yixing Zhu, Pan Xie, Shiyin Wang, Xuefeng Xiao, Yitong Wang, Min Zheng, Lean Fu•Apr 7, 2024•271

UniFL: Улучшение стабильной диффузии с помощью единой обратной связи.
UniFL: Improve Stable Diffusion via Unified Feedback Learning

Jiacheng Zhang, Jie Wu, Yuxi Ren, Xin Xia, Huafeng Kuang, Pan Xie, Jiashi Li, Xuefeng Xiao, Weilin Huang, Min Zheng, Lean Fu, Guanbin Li•Apr 8, 2024•261

Пространственный трекер: отслеживание любых 2D пикселей в 3D пространстве
SpatialTracker: Tracking Any 2D Pixels in 3D Space

Yuxi Xiao, Qianqian Wang, Shangzhan Zhang, Nan Xue, Sida Peng, Yujun Shen, Xiaowei Zhou•Apr 5, 2024•261

BeyondScene: Генерация сцен с повышенным разрешением, ориентированная на человека, с использованием предварительно обученного диффузионного модуля.
BeyondScene: Higher-Resolution Human-Centric Scene Generation With Pretrained Diffusion

Gwanghyun Kim, Hayeon Kim, Hoigi Seo, Dong Un Kang, Se Young Chun•Apr 6, 2024•240

MA-LMM: Модель с большим количеством модальностей с памятью для долгосрочного понимания видео.
MA-LMM: Memory-Augmented Large Multimodal Model for Long-Term Video Understanding

Bo He, Hengduo Li, Young Kyun Jang, Menglin Jia, Xuefei Cao, Ashish Shah, Abhinav Shrivastava, Ser-Nam Lim•Apr 8, 2024•230

PhysAvatar: Изучение физики одетых 3D аватаров по визуальным наблюдениям
PhysAvatar: Learning the Physics of Dressed 3D Avatars from Visual Observations

Yang Zheng, Qingqing Zhao, Guandao Yang, Wang Yifan, Donglai Xiang, Florian Dubost, Dmitry Lagun, Thabo Beeler, Federico Tombari, Leonidas Guibas, Gordon Wetzstein•Apr 5, 2024•180

YaART: Еще одна технология рендеринга ART
YaART: Yet Another ART Rendering Technology

Sergey Kastryulin, Artem Konev, Alexander Shishenya, Eugene Lyapustin, Artem Khurshudov, Alexander Tselousov, Nikita Vinokurov, Denis Kuznedelev, Alexander Markovich, Grigoriy Livshits, Alexey Kirillov, Anastasiia Tabisheva, Liubov Chubarova, Marina Kaminskaia, Alexander Ustyuzhanin, Artemii Shvetsov, Daniil Shlenskii, Valerii Startsev, Dmitrii Kornilov, Mikhail Romanov, Artem Babenko, Sergei Ovcharenko, Valentin Khrulkov•Apr 8, 2024•170

MoMA: Мультимодальный адаптер LLM для быстрой персонализированной генерации изображений
MoMA: Multimodal LLM Adapter for Fast Personalized Image Generation

Kunpeng Song, Yizhe Zhu, Bingchen Liu, Qing Yan, Ahmed Elgammal, Xiao Yang•Apr 8, 2024•152

Выравнивание моделей диффузии путем оптимизации человеческой полезности.
Aligning Diffusion Models by Optimizing Human Utility

Shufan Li, Konstantinos Kallidromitis, Akash Gokul, Yusuke Kato, Kazuki Kozuka•Apr 6, 2024•151

Диффузия-RWKV: Масштабирование архитектур RWKV-подобных для моделей диффузии
Diffusion-RWKV: Scaling RWKV-Like Architectures for Diffusion Models

Zhengcong Fei, Mingyuan Fan, Changqian Yu, Debang Li, Junshi Huang•Apr 6, 2024•130

DATENeRF: Глубинно-ориентированное текстовое редактирование NeRF-моделей
DATENeRF: Depth-Aware Text-based Editing of NeRFs

Sara Rojas, Julien Philip, Kai Zhang, Sai Bi, Fujun Luan, Bernard Ghanem, Kalyan Sunkavall•Apr 6, 2024•110

Коала: долгосрочная видео-LLM, управляемая ключевым кадром
Koala: Key frame-conditioned long video-LLM

Reuben Tan, Ximeng Sun, Ping Hu, Jui-hsien Wang, Hanieh Deilamsalehy, Bryan A. Plummer, Bryan Russell, Kate Saenko•Apr 5, 2024•72