统一自监督预训练！视觉模型权重无缝迁移下游任务
最近的研究强调了扩散模型与表征学习之间的相互作用。扩散模型的中间表征可用于下游视觉任务，同时视觉模型表征能够提升扩散模型的收敛速度和生成质量。然而，由于输入不匹配和 VAE 潜在空间的使用，将视觉模型的预训练权重迁移到扩散模型中仍然具有挑战性。
vae
10秒生成4分钟音乐，8GB显存就能跑！已登HuggingFace趋势榜一
DiffRhythm是一款新型AI音乐生成模型，能在10秒内生成长达4分45秒的完整歌曲，包含人声和伴奏。它采用简单高效的全diffusion架构，仅需歌词和风格提示即可创作，还支持本地部署，最低只需8G显存。
音乐 显存 vae huggingface 8gb显存 2025-03-12 11:25 5
ICLR 2025 | 原生3D+流匹配，现有SOTA被GaussianAnything超越
兰宇时，MMLab@NTU博士生，导师为 Chen Change Loy。本科毕业于北京邮电大学，目前主要研究兴趣为基于神经渲染的 3D 生成模型、3D 重建与编辑。
iclr vae sota gaussiananything 2025-03-11 13:50 4
Open-Sora：开启高效视频生成的新纪元，让每个人都能成为创作者
在人工智能的浪潮中，语言模型已经取得了令人瞩目的成就，但视觉智能，尤其是生成和模拟我们所看到的世界的视频生成技术，却远远落后。想象一下，如果每个人都能轻松生成高质量的视频内容，那将会是怎样的场景？由HPC-AI Tech研发团队开发的Open-Sora正是为此
通义万相视频生成重磅升级，成功登顶VBench，运镜、质感直达专业
据介绍，通义万相此次全面升级了模型整体性能，尤其是在处理复杂运动、还原真实物理规律、提升电影质感及优化指令遵循方面取得了显著进展，为 AI 的艺术创作打开了新的大门。
2023年哦吼！机器学习里隐藏的金点子，竟比GAN更让人眼前
除了大家熟知的生成对抗网络（GAN）外，还有一些简单、强大且容易让人眼前一亮的技术。