AI Art Weekly | AI 艺术周刊 #33

文摘   科技   2024-07-01 07:30   北京  

欢迎大家踏入本期的《AI艺术周刊》。在这里,我们一起探索人工智能的最新进展和它如何重新定义艺术创作的边界。无论你是 AI 艺术的狂热爱好者,还是对这一领域充满好奇的新手,我们都将为你带来灵感的火花和实践中的深刻见解。让我们共同揭开 AI 艺术的神秘面纱,探索它的无限可能。
* 每周我需要花费大约 8-12 小时来整理这些周刊内容。如果你喜欢我的工作,不妨在下方赠我一杯咖啡,可以令我保持思绪清晰与热情不减 🙏

🌟 本期要闻

GaussianDreamerPro:文本生成高质量3D高斯模型

https://taoranyi.com/gaussiandreamerpro/?ref=aiartweekly

GaussianDreamerPro 可以根据文本生成 3D 高斯模型,这些模型可以无缝集成到后续操作流程中,例如动画制作、合成和仿真

注: GaussianDreamerPro 示例

HOIFH:基于指令的虚拟角色/物品互动

https://hoifhli.github.io/?ref=aiartweekly

HOIFH 能够生成同步的物体运动、全身人体动作以及精细的手指动作。该系统设计用于在特定环境下,根据人类级别的指令操控大型物体
注: HOIFH 示例
ClotheDreamer: 文本引导的 3D 服装生成

https://ggxxii.github.io/clothedreamer/?ref=aiartweekly

ClotheDreamer 能够根据文本提示生成高保真度的 3D 服装。这些生成的服装可以用于虚拟试穿,并支持物理精确的动画效果
注: ClotheDreamer 示例
Portrait3D:从单张自然人像生成3D头像

https://jinkun-hao.github.io/Portrait3D/?ref=aiartweekly

Portrait3D 能够从单张自然环境中的人像照片生成高质量的 3D 头像,具有精确的几何形状和纹理
注: Portrait3D 示例
MIRReS:多次反射逆向渲染技术
https://brabbitdousha.github.io/MIRReS/?ref=aiartweekly
MIRReS 能够从多视图图像重建和优化物体的显式几何结构、材质和光照。生成的 3D 模型可以在现代图形引擎或 CAD 软件中进行编辑和重新照明
注: MIRReS 示例
YouDream:文本生成可控且一致的 3D 动物

https://youdream3d.github.io/?ref=aiartweekly

YouDream 能够根据单张图像和文本提示生成高质量的3D动物。该方法能够保持解剖结构的一致性,并且可以生成和组合常见的动物

注: YouDream 示例

LiveScene:基于语言嵌入的交互式辐射场用于物理场景渲染和控制

https://livescenes.github.io/?ref=aiartweekly

LiveScene 能够在复杂场景中识别和控制多个物体。它可以定位不同状态的个体物体,并通过自然语言对它们进行控制

注: LiveScene  示例

GIC:基于高斯信息的连续体用于物理属性识别与模拟
https://jukgei.github.io/project/gic/?ref=aiartweekly
GIC 能够从高斯点集恢复 3D 物体,并模拟其物理属性

注: GIC 示例

BRDF-Uncertainty:基于频域分析的快速不确定性感知 SVBRDF 恢复
https://brdf-uncertainty.github.io/?ref=aiartweekly
BRDF-Uncertainty 能够在几秒钟内,根据物体的几何形状和光照环境,估算物体表面材料的属性

注: BRDF-Uncertainty 示例

AnyControl:在文本到图像生成中实现多样化控制的艺术创作
https://any-control.github.io/?ref=aiartweekly
AnyControl 是一种新的文本到图像引导方法,可以根据多种控制信号(如颜色、形状、纹理和布局)生成图像

注:AnyControl 示例

ResMaster:通过结构和细粒度引导掌握高分辨率图像生成技术
https://shuweis.github.io/ResMaster/?ref=aiartweekly
ResMaster 是一种无需训练的方法,能够使扩散模型生成高质量的 4K 图像,具有更好的结构一致性和更多的细节

注 :ResMaster 示例

MultiDiff:从单张图像生成一致的全新视图
https://sirwyver.github.io/MultiDiff/?ref=aiartweekly
MultiDiff 能够根据单张 RGB 图像和选定的摄像机轨迹,从单一输入图像生成新的 3D 一致视图

注: MultiDiff 示例

Text-Animator:可控的视觉文本视频生成
https://laulampaul.github.io/text-animator.html?ref=aiartweekly
Text-Animator 能够在生成的视频中描绘视觉文本的结构。它支持摄像机控制和文本优化,以提高生成视觉文本的稳定性

注: Text-Animator 示例

MotionBooth:运动感知的定制文本到视频生成
https://jianzongwu.github.io/projects/motionbooth/?ref=aiartweekly
MotionBooth 可以从少量图像和文本提示生成定制主体的视频,并能精确控制物体和摄像机的运动

注: MotionBooth 示例

Director3D:从文本生成真实世界摄像机轨迹和 3D 场景

https://github.com/imlixinyang/director3d?ref=aiartweekly

Director3D 能够根据文本提示生成真实世界的 3D 场景和自适应摄像机轨迹。该方法能够生成像素对齐的 3D 高斯体,作为即时的 3D 场景表示,以实现一致的去噪效果

注: Director3D 示例

MoMo:用于视频帧插值的解耦运动建模

https://github.com/JHLew/MoMo?ref=aiartweekly

MoMo 是一种新的视频帧插值方法,能够以较低的计算需求生成高视觉质量的中间帧

注: MoMo 示例

FreeTraj:无需调参的视频扩散模型轨迹控制

http://haonanqiu.com/projects/FreeTraj.html?ref=aiartweekly

FreeTraj 是一种无需调参的方法,通过修改噪声采样和注意力机制,实现视频扩散模型中的轨迹控制

注: FreeTraj 示例

MVOC:基于扩散模型的无训练多视频对象合成方法

https://sobeymil.github.io/mvoc.com/?ref=aiartweekly

MVOC 是一种无需训练的多视频对象合成方法,基于扩散模型。该方法可以将多个视频对象合成为单个视频,同时保持运动和身份的一致性

注: MVOC 示例

Conditional Image Leakage:识别并解决图像到视频扩散模型中的条件图像泄漏问题

https://cond-image-leak.github.io/?ref=aiartweekly

通过解决条件图像泄漏问题,可以从图像提示中生成更具动态性和自然运动的视频

注: Conditional Image Leakage 示例

Image Conductor:识别并解决图像到视频扩散模型中的条件图像泄漏问题

https://liyaowei-stu.github.io/project/ImageConductor/?ref=aiartweekly

Image Conductor 能够从单张图像生成视频素材,并精确控制摄像机过渡和物体运动

注: Image Conductor 示例

GenAu:一种全新的音频生成技术

https://snap-research.github.io/GenAU/?ref=aiartweekly

GenAu 是 Snapchat 开发的一种新型可扩展的音频生成架构,基于变压器技术,能够生成高质量的环境音效和特效

注: GenAu 示例

⚒️ 工具与教程:

玩具反斗城 AI 广告
玩具反斗城发布了首个由 OpenAI Sora 生成的品牌广告
https://twitter.com/Mr_AllenT/status/1805628715017072924?ref=aiartweekly
Wojak 自动化表情包生成器
@fabianstelzer 创建了一个全自动化的 Wojak 表情包生成器。Claude 3.5 模块以 JSON 格式生成表情包内容,ComfyUI 模块使用 Wojak Lora 生成匹配的图像。JSON 提取器和 Canvas 模块将这一切整合在一起
https://glif.app/@fab1an/glifs/clxtc53mi0000ghv10g6irjqj

使用 Claude 3.5 的对话演示
@CoffeeVectors 使用 Claude 3.5 在 Python 中制作了这个对话演示,动画来自 Hedra Labs,语音和音效来自 ElevenLabs,音乐来自 Udio
https://twitter.com/CoffeeVectors/status/1805297405522227645?ref=aiartweekly

Bloom
@emmacatnip 创作的作品唤起了一种我们从未经历过的夏日怀旧感。作品使用 AnimateDiff 制作,配乐由 Suno 创作
https://twitter.com/emmacatnip/status/1805267548620968167?ref=aiartweekly
Gen-3 Tornado Alert
@em_golden 通过这个即将到来的龙卷风给我们带来了一些预告
https://twitter.com/em_golden/status/1806383634342932676?ref=aiartweekly

Luma AI 的新插帧功能
@NathanBoey 分享了一段短视频,展示了 Luma AI 的新功能

https://twitter.com/NathanBoey/status/1806590320270094385?ref=aiartweekly

如果你也对 Midjourney 或艺术设计感兴趣,那么欢迎加入我们的社群!在这里,我们可以一起探讨有趣的设计话题,共同探索 Midjourney 所带来的无限可能性!

注:如果你与我一样热衷于紧跟人工智能与设计的最新趋势,那么我强烈推荐你试用下我们精心打造的这款应用 — 设计原力。这款应用能够让你随时了解到最前沿的信息,让你的信息库始终保持最新状态
▲ 好了,以上这些就是本节的全部内容了 ~ 如果,你也对 AI 绘画感兴趣,不妨记得关注我!我们下期见!!

设计师的自我修行
创意— 并非要让人惊奇它崭新的形式和素材, 而是应让人惊异它源自最平凡的生活。
 最新文章