色变系统中的生成式人工智能:具有素材和设计约束的可重新编程的 3D 物体纹理
生成 AI 工具在 3D 建模中变得更加普遍,使用户能够通过文本或图像进行模型操作或创建,从而更轻松地快速定制和迭代 3D 设计,探索新的创意。然而,当创建用于制造的 3D 模型时,设计师需要在美学品质和结构约束之间进行权衡。本研究提出了对生成 AI 工具进行新的增强以创建具有可行性的 3D 模型,并倡导开发同时考虑美学外观和物理属性作为约束的工具。该探索旨在缩小数字创意和现实世界适用性之间的差距,将生成 AI 的创造潜力扩展到有形领域。
Apr, 2024
使用神经生成能力和感知注入技术,本研究提出了一种无需提示的生成方法,使用户能够自动生成个性化的具有自定义艺术风格的画作内容。
Feb, 2024
使用图像扩散技术和细粒度文本提示的新型图像上色框架,实现了既语义合适又能提高用户对上色过程控制水平的上色输出,通过预训练的生成扩散模型进行微调并评估颜色鲜艳度,适用于颜色增强和历史图像上色。
Dec, 2023
这篇研究论文探讨了人工智能生成图像的创作方式以及弊端,如训练数据的偏见、合成数据常态化可能导致未来图像生成系统的质量下降,以及文本生成图像对人们想象力、抱负和发展的潜在长期影响。
Jun, 2023
设计支持人工智能辅助协作的软件框架,加速发现替代环境和人类健康有害的化学物质 ——“永久化学物质”。通过领域专家的知识与人工智能技术相结合,使用生成模型生成新的分子设计。研究表明,领域专家可以通过更迭代的方式与生成模型互动,指导探索发现空间,并取小样本以获益。
Apr, 2023
我们提出了一个自动上色的框架,具有迭代编辑和修改的能力,并利用一个想象模块通过理解灰度图像中的内容,利用预训练图像生成模型生成包含相同内容的多个图像用于上色参考,模仿人类专家的过程;我们使用参考修正模块来选择最佳的参考合成;与大多数现有的自动上色算法不同,我们的框架允许对上色结果进行迭代和局部修改,因为我们明确地对上色样本进行建模;大量实验证明了我们的框架在可编辑性和灵活性方面优于现有的自动上色算法。
Apr, 2024
我们提出了一种新颖的方法,用于艺术图像中几何抽象和纹理的交互控制。通过空间分解输入图像的形状和高频细节的参数化表示,实现对颜色和纹理的独立控制。所提出的形状和纹理的解耦使得可以进行多种风格编辑,包括形状、笔触和绘画属性等的全局和局部互动调整。此外,我们还展示了在参数空间中使用参考图像和文本提示进行基于优化的纹理风格迁移,以及用于实时纹理分解的单一和任意风格参数预测网络的训练。
Jul, 2023
通过创新的统一框架 CreativeSynth,将基于扩散模型的多模态输入协调和多任务合作引入艺术图像生成领域,以实现真实世界语义内容的逆向和实时样式转移,精确操纵图像样式和内容,同时保持原始模型参数的完整性,旨在提升艺术图像的保真度和保持其固有美学精髓,弥合生成模型与艺术精妙之间的差距,成为定制数字调色板。
Jan, 2024
使用生成 AI 系统 Generative Disco,可以根据音乐的节奏生成音频反应的视频,并通过设计模式进行改进,纵向分为转换和保持,研究表明该系统易于使用且高度表现力,适用于专业人士和 AI 生成内容正在改变创作工作的领域。
Apr, 2023