注意力机制
  1. 首页
  2. 注意力机制

列表

Generative Omnimatte

Generative Omnimatte

Generative Omnimatte 是一种基于 AI 的视频编辑技术，通过其核心模型 Casper 实现视频的多层次分解与编辑。它能够自动分离物体与背景，并支持动态背景处理及多对象场景的精细编辑。主要功能包括视频分层、对象移除、背景替换、Trimask 控制等，广泛应用于电影制作、广告设计、游戏开发及虚拟现实领域。
AI项目与工具 2025年06月12日
DiTCtrl

DiTCtrl

DiTCtrl是一种基于多模态扩散变换器架构的视频生成工具，能够利用多个文本提示生成连贯且高质量的视频内容，无需额外训练即可实现零样本多提示视频生成。它通过KV共享和潜在混合策略优化不同提示间的平滑过渡，同时在MPVBench基准上表现出色，适用于电影、游戏、广告及新闻等多个领域。
AI项目与工具 2025年06月12日
MIDI

MIDI

MIDI是一种基于多实例扩散模型的3D场景生成技术，能将单张2D图像快速转化为高保真度的360度3D场景。它通过智能分割、多实例同步扩散和注意力机制，实现高效的3D建模与细节优化。具有良好的泛化能力，适用于游戏开发、虚拟现实、室内设计及文物数字化等多个领域。
AI项目与工具 2025年06月12日
Motion Anything

Motion Anything

Motion Anything 是一款由多所高校与企业联合研发的多模态运动生成框架，可基于文本、音乐或两者结合生成高质量人类运动。其核心在于基于注意力的掩码建模和跨模态对齐技术，实现对运动序列的精细控制与动态优先级调整。该工具支持影视动画、VR/AR、游戏开发、人机交互及教育等多个应用场景，并配套提供 Text-Music-Dance (TMD) 数据集，推动多模态运动生成技术的发展。
AI项目与工具 2025年06月12日
FlashMLA

FlashMLA

FlashMLA 是 DeepSeek 开发的开源 MLA 解码内核，针对 NVIDIA Hopper 架构 GPU 优化，提升可变长度序列处理效率。支持 BF16 精度、页式 KV 缓存及分块调度，内存带宽达 3000 GB/s，算力达 580 TFLOPS。适用于大语言模型推理和 NLP 任务，具备高性能与低延迟特性，支持快速部署与性能验证。
AI项目与工具 2025年06月12日
Micro LLAMA

Micro LLAMA

Micro LLAMA 是一款基于简化版 Llama 3 模型的教学工具，通过约 180 行代码实现 8B 参数的最小化模型，支持自注意力机制和前馈神经网络。它提供 Jupyter 笔记本和 Conda 环境配置指南，帮助用户轻松学习和实验，特别适用于学术教学、研究开发和个人学习。
AI项目与工具 2025年06月12日
TryOffDiff

TryOffDiff

TryOffDiff是一种基于扩散模型的虚拟试穿技术，通过高保真服装重建实现从单张穿着者照片生成标准化服装图像的功能。它能够精确捕捉服装的形状、纹理和复杂图案，并在生成模型评估和高保真重建领域具有广泛应用潜力，包括电子商务、个性化推荐、时尚设计展示及虚拟时尚秀等场景。
AI项目与工具 2025年06月12日
Miras

Miras

Miras是由谷歌开发的深度学习框架，专注于序列建模任务。它基于关联记忆和注意力偏差机制，整合多种序列模型并支持新型模型设计。Miras通过保留门机制优化记忆管理，提升模型在长序列任务中的表现，适用于语言建模、常识推理、长文本处理及多模态任务，具有高效且灵活的架构优势。
AI项目与工具 2025年06月11日
IDM

IDM

IDM-VTON是一种基于改进扩散模型的先进AI虚拟试穿技术，由韩国科学技术院和OMNIOUS.AI的研究人员共同开发。该技术利用视觉编码器提取服装的高级语义信息，并通过GarmentNet捕捉服装的低级细节特征，从而生成逼真的人物穿戴图像。IDM-VTON支持文本提示理解，实现了个性化定制和逼真的试穿效果，广泛应用于电子商务、时尚零售、个性化推荐、社交媒体以及时尚设计等领域。
AI项目与工具 2024年01月01日
ID

ID

ID-Animator是一款由腾讯光子工作室、中科大和中科院合肥物质科学研究院联合开发的零样本人类视频生成技术。它能够根据单张参考面部图像生成个性化视频，并根据文本提示调整视频内容。ID-Animator通过结合预训练的文本到视频扩散模型和轻量级面部适配器，实现高效的身份保真视频生成。其主要功能包括视频角色修改、年龄和性别调整、身份混合以及与ControlNet等现有条件模块的兼容性。
AI项目与工具 2024年01月01日