🔗 未来增强承诺: 摩根大通承诺以轻量级方式将视觉融入DocLLM,进一步提升其多模态文档理解能力。
2023年,我们看到了扩散模型推理速度方面的一些重大理论改进,例如Song等人的原始一致性模型论文,以及最近的LCM。(另外,对抗扩散蒸馏。)我们已经开始看到使用这些想法的项目,例如Dan Wood的Art Spew(每秒77512×512图像,在单个4090上)、Modal的Turbo.art(基于SDXL Turbo) 和fal.ai的30fps脸部交换。
2024年,品牌们还有硬仗要打。
图源备注:图片由AI生成,图片授权服务商Midjourney
尽管HandRefiner主要针对手部图像,但其基本原理和技术也可以适用于其他需要精细修正的图像生成任务,比如修正脚或耳朵等部分。