![]()
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：
| https://lumiere-video.github.io/?ref=aiartweekly |
Lumiere 是谷歌最新推出的视频生成模型，它的表现令人惊叹！这个模型接受了 3000 万个视频及其文字说明的训练，能够生成 80 帧的视频，每秒达到 16 帧的流畅度。Lumiere 支持从文本到视频、从图片到视频、视频修补和风格化处理。![]()
注: Lumiere 示例
ActAnywhere：基于主体意识的视频背景生成技术| https://actanywhere.github.io/?ref=aiartweekly |
ActAnywhere 能够基于一个主体动作序列和一张背景图片，生成与前景动作相匹配的视频背景。这可真是太酷了！
![]()
注: ActAnywhere 示例3DHM：利用图片或视频源控制 3D 角色动画技术
| https://boyiliee.github.io/3DHM.github.io/?ref=aiartweekly |
3DHM 能够从一张单独的图片和一个给定的目标视频动作序列出发，实现对人物的动画制作，并配合三维摄像头控制。这项技术为动画制作带来了新的可能性。![]()
注: 3DHM 示例Depth Anything：释放大规模无标签数据的力量https://depth-anything.github.io/?ref=aiartweekly |
Depth Anything 是一种新型的单目深度估计方法。这个模型通过在 150 万张有标签的图片和超过 6200 万张无标签的图片上进行训练，展现出了令人印象深刻的泛化能力![]()
注: Depth Anything 示例pix2gestalt：通过合成整体实现非模态分割https://gestalt.cs.columbia.edu/?ref=aiartweekly |
pix2gestalt 技术能够估计在遮挡背后只有部分可见的物体的整体形状和外观。这种技术为图像分析和处理提供了一种新的视角。![]()
注: pix2gestalt 示例UltrAvatar：一个具有真实感引导纹理的 3D 可动头像扩散模型https://usrc-sea.github.io/UltrAvatar/?ref=aiartweekly |
UltrAvatar 能够基于一段文字提示或一张单独的图片，生成具有物理基础渲染（PBR）纹理的逼真且可动画的 3D 头像。这个框架还具备纹理编辑功能，允许用户改变头像的眼睛和头发颜色，增加老化效果，甚至添加纹身。这为创造个性化 3D 头像提供了广阔的可能性。![]()
注: UltrAvatar 示例Diffuse to Choose：图像修补模型，在潜在扩散模型中实现虚拟试穿https://diffuse2choose.github.io/?ref=aiartweekly |
为电商店铺拍摄产品图片是一个耗时的任务，但亚马逊的 Diffuse to Choose 技术可以为此提供帮助。这个修补模型允许在任何场景中虚拟放置任何商品，实现详细且语义连贯的融合，以及逼真的光影效果。这大大简化了产品展示的过程，为电商拍摄提供了新的解决方案。![]()
注: Diffuse to Choose 示例https://snuvclab.github.io/gala/?ref=aiartweekly |
GALA 技术能够将单层衣着的 3D 人体网格转换并分解成完整的多层 3D 资产。然后，这些输出可以与其他资产结合，创建任何姿势的新穿着人类头像。这一技术为 3D 角色设计和动画制作带来了新的可能性，极大地提高了创造性和效率。![]()
注: GALA 示例CreativeSynth：基于多模态扩散的视觉艺术创意融合与合成https://github.com/haha-lisa/CreativeSynth?ref=aiartweekly |
在编辑和融合图像时保留参考图像的风格一直是一个挑战。CreativeSynth 在这些任务中的表现超越了其他方法。虽然它目前还没有开源，但示例图片看起来非常有前景。这项技术为视觉艺术的创造性表达提供了新的工具，使艺术家和设计师能够更自由地探索和实现他们的创意构想。![]()
注: CreativeSynth 示例
DITTO:
用于音乐生成的扩散推理优化技术
https://ditto-music.github.io/web/?ref=aiartweekly |
Hourglass Diffusion Transformers:
使用沙漏扩散变换器实现可扩展的高分辨率像素空间图像合成
https://crowsonkb.github.io/hourglass-diffusion-transformers/?ref=aiartweekly |
RL Diffusion：
一种将大规模强化学习技术应用于扩散模型的创新方法
https://pinterest.github.io/atg-research/rl-diffusion/?ref=aiartweekly |
GenMoStyle：
潜在空间中的生成式人体动作风格化方法
https://yxmu.foo/GenMoStyle/?ref=aiartweekly |
EmerDiff：
一种全新的无监督图像分割器，完全基于从预训练扩散模型中提取的语义知识中构建
https://kmcode1.github.io/Projects/EmerDiff/?ref=aiartweekly |
⚒️ 工具与教程:
ComfyTextures 是一个 Unreal 引擎的插件，它将编辑器与 ComfyUI 进行了集成。这个插件允许你使用生成式扩散模型快速创建和完善您场景中的纹理。它为游戏开发者和视觉艺术家提供了一个高效且直观的工具，极大地提升了场景设计的灵活性和创造力。ComfyTextures 的推出，为虚拟世界的纹理设计开辟了新的可能性。| https://github.com/AlexanderDzhoganov/ComfyTextures?ref=aiartweekly |
SUPIR 是一种基于大规模扩散生成先验技术的高保真通用图像修复模型。这个模型利用先进的扩散技术，能够有效地恢复和优化各种类型的图像，从而提供更加清晰和真实的视觉效果。它在图像修复领域展现出了卓越的性能，无论是老照片的修复还是现代图像的质量提升，SUPIR 都能提供高效且精确的解决方案。| https://github.com/Fanghua-Yu/SUPIR?ref=aiartweekly |
Depth Anything 是一款单目深度估计模型，现已在 HuggingFace 平台上提供演示。这款模型采用先进的算法，能够从单一视角的图像中准确估计出物体的深度信息，为三维重建、虚拟现实等应用提供了强大的技术支持。Depth Anything 的推出，在人工智能视觉领域开创了新的可能性，展示了机器视觉技术的发展潜力。https://github.com/LiheYoung/Depth-Anything?ref=aiartweekly |
https://huggingface.co/spaces/LiheYoung/Depth-Anything?ref=aiartweekly |
InstantID 的代码已经发布，这点在我们上一期内容中已经提及。而本次为大家带来了它在 HuggingFace 平台上的演示地址。https://github.com/InstantID/InstantID?ref=aiartweekly |
| https://huggingface.co/spaces/InstantX/InstantID?ref=aiartweekly |
这款工具的推出，为珍贵的老照片带来了新生，不仅恢复了照片的色彩，还增添了历史的色彩与生命力。https://github.com/piddnad/DDColor?ref=aiartweekly |
https://huggingface.co/spaces/modelscope/old_photo_restoration?ref=aiartweekly |
由 @vikhyatk 开发的一款体积小巧（只有1.6亿参数）的视觉语言分析模型，但其性能却可与体量是其两倍的模型媲美。这款模型的推出展示了在模型优化和算力效率方面的显著进步，证明了在人工智能领域，更高效的算法设计可以有效减少资源消耗，同时保持或甚至超越当前技术水平的性能表现。https://huggingface.co/spaces/vikhyatk/moondream1?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！！
![]()
