真假难辨！阿里升级AI人像视频生成，表情动作直逼专业水准
EMO2 是阿里巴巴通义实验室提出的一个音频驱动人像 AI 视频生成的升级版本，通过一张人物肖像图片和任意长度音频生成流畅自然的手部动作、面部表情及身体姿态。
扩散模型
仅128个token达到ImageNet生成SOTA性能！MAETok:有效的扩散模型的关键是什么？
ETok在仅使用128个token的情况下，于256×256和512×512分辨率的ImageNet
图像生成推理大模型，港中文北大等联手破解画质提升难题
来自港中文、北大和上海AI Lab的研究团队将思维链（CoT）与生成模型结合，显著提高了自回归图像生成的质量，并提出了潜力评估奖励模型（PARM）及其增强版本（PARM++），进一步优化了图像生成质量。
《Understanding Deep Learning》
《Understanding Deep Learning》是一本关于深度学习的专业书籍，涵盖理论基础、性能评估等多个主题，并附有大量练习题。
AAAI 2025 免训练低成本！上海交大提出用于高效扩散模型的令牌剪枝方法
上海交通大学提出SiTo方法，通过基于相似性的令牌剪枝技术，无需训练且硬件友好地加速扩散模型。显著提升了生成质量并减少了内存和计算成本。
开源AI零样本照片转舞蹈视频项目，可玩性极高，远超之前所有同类开源项目。
这是一款开源的零样本人像视频动画项目X-Dyna，它能够通过驱动面部表情和身体动作将单张人像图片动画化，并且还能让背景动起来。该技术由扩散模型、动态适配器模块、局部控制模块等组成，能够生成流畅的肢体动作和自然的环境效果。