交叉注意力
  1. 首页
  2. 交叉注意力

列表

DiT

DiT

创新的图像生成模型，它通过结合扩散模型和Transformer架构，实现了在图像生成任务中的高效和高质量输出。其可扩展性和条件生成能力使其在多个领域都有广泛的应用潜力。
Ai平台模型 1970年01月01日
Open

Open

Open-Sora是一个开源视频生成模型，基于DiT架构，通过三个阶段的训练（大规模图像预训练、大规模视频预训练和高质量视频数据微调），生成与文本描述相符的视频内容。该模型包括预训练的VAE、文本编码器和STDiT（Spatial-Temporal Diffusion Transformer）核心组件，利用空间-时间注意力机制和交叉注意力模块实现视频生成。项目旨在提供全面的视频生成模型训练过程，供
AI项目与工具 2024年01月01日
TryOnDiffusion

TryOnDiffusion

TryOnDiffusion就谷歌推出的一项新虚拟试穿功能，能够实现高度逼真的虚拟试穿，用户能够直观地看到不同体型的人穿着不同尺寸的衣服效果如何。
Ai开源项目 2025年06月05日
万相首尾帧模型

万相首尾帧模型

万相首尾帧模型（Wan2.1-FLF2V-14B）是一款开源视频生成工具，基于DiT架构和交叉注意力机制，可根据用户提供的首帧和尾帧图像生成高质量、流畅的过渡视频。支持多种风格和特效，适用于创意视频制作、影视特效、广告营销等多个场景。模型具备细节复刻、动作自然、指令控制等功能，且提供GitHub和HuggingFace开源资源供用户使用。
AI项目与工具 2025年06月11日
DiffSensei

DiffSensei

DiffSensei是一款由北京大学、上海AI实验室及南洋理工大学联合开发的漫画生成框架，它结合了基于扩散的图像生成技术和多模态大型语言模型（MLLM）。该工具能够根据用户提供的文本提示和角色图像，生成具有高精度和视觉吸引力的黑白漫画面板，支持多角色场景下的互动与布局调整。其核心技术包括掩码交叉注意力机制、对话布局编码以及MLLM作为特征适配器等，广泛应用于漫画创作、个性化内容生成、教育和培训等领
AI项目与工具 2025年06月12日
MotionCLR

MotionCLR

MotionCLR是一款利用自注意力和交叉注意力机制的人体动作生成与编辑工具。它能够根据文本提示生成动作，并支持多种编辑操作，如动作强调、减弱、替换、擦除及风格迁移。MotionCLR在动作生成的精度、多样性及编辑灵活性上表现出色，广泛应用于游戏开发、动画制作、虚拟现实等领域。
AI项目与工具 2025年06月12日
Story

Story

Story-Adapter是一种无需额外训练的长篇故事可视化框架，通过迭代优化和全局参考交叉注意力模块，提升图像生成的质量与细节表现。该工具适用于多种场景，包括故事创作、教育学习、娱乐游戏、广告营销以及影视制作等，特别适合需要将文字转化为视觉化内容的场合。
AI项目与工具 2025年06月12日
MIP

MIP

MIP-Adapter是一种基于IP-Adapter模型开发的个性化图像生成技术，能够高效处理多参考图像并生成高质量的定制化图像。通过解耦交叉注意力机制和加权合并方法，解决了多图像输入中的对象混淆问题，提升了生成图像的质量。该技术无需测试时微调，具有高效训练的特点，广泛应用于社交媒体、广告、游戏设计等多个领域。
AI项目与工具 2025年06月12日
GroundingBooth

GroundingBooth

GroundingBooth 是一种创新的文本到图像定制框架，通过结合文本-图像对齐模块和遮罩交叉注意力层，实现了前景主体与背景对象的空间精准对齐。其核心功能包括单主题与多主题定制、身份保留、文本-图像一致性保障及复杂场景下的高精度生成。该工具广泛应用于个性化商品定制、艺术创作、游戏设计、广告营销等多个领域，为视觉内容创作提供了强大的技术支持。
AI项目与工具 2025年06月12日
Hallo

Hallo

Hallo是由复旦大学、百度公司、苏黎世联邦理工学院和南京大学的研究团队共同开发的一种基于人工智能的肖像图像动画技术。该技术通过分层音频驱动视觉合成、端到端扩散模型、交叉注意力机制、UNet去噪器、时间对齐技术和参考网络等方法，实现了音频与视觉输出的高精度同步。Hallo具备音频同步动画、面部表情生成、头部姿态控制、个性化动画定制、时间一致性维护以及动作多样性等主要功能，显著提升了视频动画的真实感
AI项目与工具 2025年06月12日