AnyMaker 是一种创新的零射击对象定制框架，能够生成具有高 ID 保真度和灵活文本可编辑性的普通对象。

Jun, 2024

加入定制化物体到图像生成中，我们引入了 CustomNet，一个新的物体定制方法，通过显式地引入 3D 新视角合成能力来调整空间位置关系和视角，以有效地保留物体的身份信息，并通过文本描述或用户定义的图像实现位置和背景的灵活控制，从而实现了对视角、位置和背景的零测试时间优化的控制，并且增强了身份保护性和生成了多样而和谐的输出。

Oct, 2023

利用网络训练的文本到图像扩散生成模型，在无样本情况下对细粒度部件描述符进行准确操作，通过将问题框架化为密集语义部件对应任务，返回用于操作特定部件的夹爪位姿，无需手动示教，验证了该方法在真实世界的桌面场景中的实验，证明了其推进语义感知机器人操作的潜力。

Mar, 2024

我们提出了一种简单高效的数据增强训练策略，通过插入适配器层来引导扩散模型仅专注于对象身份，使得我们的模型具备控制每个生成个性化对象的位置和大小的能力，并提出了区域引导抽样技术来保持生成图像的质量和保真度。

Jun, 2023

本研究提出了一种名为 ZeroAvatar 的方法，它使用人体先验约束来保持更复杂的图形（如人体）的几何形状以及完成不可见部位的纹理修复，并且在优化的图像到 3D 人体生成中表现出色，优于存在的一些零样本图像到 3D 方法。

May, 2023

本研究针对深度学习模型中的未知分布（OOD）检测问题，提出了一种基于文本 - 图像预训练模型的一类开放集合 OOD 检测器，可以检测细粒度或粗粒度标签，甚至自然语言定义的各种 OOD，证实本方法在所有测试项目中表现出卓越的性能。

May, 2023

通过将 Diffusion 模型与特征提取技术相结合，本文提出了 Zero123-6D 方法，并在 CO3D 数据集上进行了实验，展示了在类别级别上通过扩展稀疏的纯 RGB 参考视图来提高零侧位姿估计性能、减少数据需求以及消除对深度信息的需求。

Mar, 2024

通过在 3D 视觉领域运用 Contrastive Language-Image Pre-training (CLIP) 方法，本论文提出了一个更具挑战性的 3D 开放姿态零样本分类基准，并通过设计一个简洁的角度优化机制以及将 2D 预训练扩散模型应用于 3D 零样本分类，成功提高了模型性能，验证了扩散方法在 3D 零样本任务中的有效性。

Dec, 2023

本文提出了一种基于编码器和文本到图像合成模型的方法，用于生成用户定制的对象图像，经过实验验证表明该方法能够产生具有魅力的高质量、多样化和逼真度高的图像。

Apr, 2023

基于视频扩散模型的自动重新动画化技术，通过利用扩散特征和显式基于网格的表示方法，实现对任意 3D 形状的准确动画拟合。

May, 2024