条件生成

基于条件生成的视频非可见物体分割补全计算机视觉模型 Diffusion-Vas是基于条件生成任务打造的计算机视觉模型，依托视频生成模型基础技术，对视频中的可见物体序列进行处理，可同时生成包含可见、不可见区域的物体掩码与对应RGB内容。相较于现有先进方法，该模型可适配高度遮挡场景，也能有效处理变形物体，在多个公开数据集上性能领先，非可见分割区域性能提升达13%。

基于预训练扩散模型的模块化开放世界条件图像生成模型 GLIGEN是计算机视觉领域的条件图像生成模型，通过冻结预训练文生图扩散模型参数，插入新增训练模块实现模块化设计。无需全量微调预训练模型，训练效率更高，推理灵活性更强，支持开放世界有条件图像生成，对新概念、新布局具备优秀泛化能力。

Unity开发的AI图像生成模型，支持单模型高效执行多类生成任务 IPAdapter-Instruct是Unity Technologies开发的图像生成模型，基于transformer架构搭建，通过在原有模型基础上增加额外的文本嵌入条件，实现单一模型适配多种图像生成任务。不同于传统方案需要为不同任务训练独立专用模型，该方案可降低多任务场景下的部署成本与推理资源消耗，优化条件生成效果。

瑞士EPFL开发的多模态Transformer模型，支持多类视觉任务研究 该模型是由瑞士洛桑联邦理工学院开发的多模态学习模型，依托Transformer架构搭建，支持条件生成任务。经实验验证，其在各类视觉任务中具备良好的通用性与可扩展性，不同于单一功能的视觉模型，该模型为多模态学习在视觉及其他领域的进一步探索，奠定了重要的研究基础。