githubGitHubあり2026-07-24
Sana — SANA: Efficient High-Resolution Image Synthesis with Linear Diffusion Transformer
SANAは、高解像度画像生成モデルSANAを紹介する本研究であり、低計算コストで優れた高解像度画像を生成できる。
深層学習Transformer生成画像テキスト
- 用途
- 高解像度画像合成
- 難易度
- Easy
- コスト
- High
→
「画像生成」の検索結果
6 件arxivPaper only2026-07-23
Show, Don't Tell: Evaluating Spatial Cognition in Generative Pixels Rather Than LLM Text
空間理解は、物理世界と静的のセマンティック理解の間でつながるために不可欠です。多くの空間タスクは、場所、領域、パスの自然な表現は、ポインティングやマーキングなど、連続的な視覚的シーンで行われることが多いが、現行の空間推論
自然言語処理大規模言語モデル生成画像テキスト
- 用途
- 空間理解
- 難易度
- Hard
- コスト
- High
→
arxivGitHubあり2026-07-22
HeadCast: Casting Attention Heads for Efficient Autoregressive Video Generation
流動画像生成を扱う研究、HeadCast を用いて流動画像生成を提案する。
品質予測/異常検知深層学習軽量化・量子化分類生成動画
- 用途
- 流動画像生成
- 難易度
- Hard
- コスト
- High
→
arxivPaper only2026-07-22
ATSplat: Compact Feed-forward 3D Gaussian Splatting with Adaptive Token Expansion
Novel View Synthesisは、入力画像から新しい視点の画像を生成するタスクです。ATSplatアルゴリズムは、3次元ガウススプラッタリングを Feed-forward に適合させました。これにより、ATSp
品質予測/異常検知コンピュータビジョン3D・点群生成画像3D
- 用途
- Novel View Synthesis
- 難易度
- Hard
- コスト
- High
→
arxivPaper only2026-07-21
Appearance Pointers -- Multimodal Region Control of Diffusion Transformers
画像生成において、材料、 객체、領域を制御することが難しい問題がある。 Diffusion Transformers はテキストと画像を組み合わせて処理できるが、どちらをどの程度影響させるか決める仕組みがなかった。 その
MI向き深層学習Transformer生成画像テキスト
- 用途
- 多モーダル画像制御
- 難易度
- Hard
- コスト
- High
→
githubGitHubあり2026-06-28
LanPaint — High quality training free inpaint for every stable diffusion model. Supports ComfyUI
画像生成のためのHigh Quality Training Free Inpaintを提供します。このInpaintはStable Diffusionモデルに使用でき、ComfyUIもサポートしています。
品質予測/異常検知生成AI拡散モデル生成画像動画
- 用途
- 画像生成
- 難易度
- Easy
- コスト
- High
→