爆火「视频版 ControlNet」开源了！靠提示词精准换画风，全华人团队出品

全华人团队开发的视频处理算法 CoDeF 通过提示词精准控制视频的画风，同时保持口型一致。该算法利用内容形变场实现视频风格迁移任务，具有良好的跨帧一致性。CoDeF 的开源发布引起了网友们的热议，许多人认为这项技术在电影制作领域有巨大潜力。团队的研究成果已在 GitHub 上开源，供广大开发者使用。

EasyControl：让DiT模型拥有ControlNet般强大操控，支持吉卜力画风转换

在人工智能绘画领域，扩散模型（Diffusion Model）正经历从基于Unet架构向基于Transformer架构(DiT)的转变。然而，DiT生态系统在插件支持、效率以及多条件控制等方面仍面临挑战。近日，由Xiaojiu-z领衔的团队推出了名为EasyControl的创新框架，旨在为DiT模型提供高效且灵活的条件控制能力，犹如为DiT模型装上了强大的“ControlNet”。EasyControl的核心优势EasyControl并非简单的模型叠加，而是一套经过精心设计的统一条件DiT框架。其核心优势在于通过引入轻量级的条件注入LoRA模块（Condition Injection LoRA mod

视频创作迎来“神笔马良”！快手发布视频版 ControlNet，精准操控细节惊艳全场

近日，快手正式发布了视频版本的 ControlNet 模型，并将其命名为 “CineMaster3D 感知文本到视频生成框架”。这一突破性技术的发布，无疑将为视频创作领域带来革命性的变革，让用户能够以前所未有的精度和自由度操控视频内容。ControlNet 技术的核心优势在于其强大的可控性，它允许用户通过额外的控制信号引导AI生成的内容，从而实现更精准、更符合用户意图的创作。快手此次发布的 CineMaster 框架，正是将 ControlNet 的这一优势拓展到了视频领域。CineMaster 框架最令人瞩目的亮点在于其对物

快手发布 CineMaster:视频版 ControlNet，实现精准3D 感知文本生成视频

快手近日发布了名为 CineMaster 的全新文本到视频生成框架，该框架具备3D 感知能力，被誉为视频版本的 ControlNet。据悉，CineMaster 允许用户通过多种控制信号精确控制生成视频中物体的位置和相机运动，带来前所未有的创作自由度。CineMaster 的核心优势在于其强大的控制能力。用户不仅可以通过传统的文本提示来生成视频，还能结合以下控制信号进行精细调整:* **深度图:** 用于控制场景的深度信息和物体的空间关系。* **相机轨迹:** 精确指定视频中相机的运动路径，实现各种复杂的镜头效

震撼来袭！Stability AI的SD3.5L新增三大 ControlNet功能生图能力再升级

Stability AI 正式发布了新版 Stable Diffusion3.5 Large，并新增了三种 ControlNet 功能，分别是Blur、Canny和Depth。这一更新为用户提供了更强大的图像生成能力，使得生成的图像更加丰富和多样化。根据 Stability AI 的介绍，这一模型的发布是基于其社区许可协议，允许用户在不商业化的前提下免费使用。无论是个人还是机构，都可以在科学研究等领域使用该模型，而无需支付费用。此外，对于年收入低于100万美元的小型企业和创作者，Stability AI 也允许其在商业用途上免费使用该模型。这种宽松的使用

新视频生成技术AnimateAnything：支持控制镜头轨迹、文本提示等

在视频创作领域，如何实现一致且可控的动画效果一直是研究者们关注的重点。近日，研究团队推出了名为 “AnimateAnything” 的新方法，旨在通过精准的视频操作，使动画创作更加灵活和高效。该技术可以在不同的条件下，如摄像机轨迹、文本提示和用户动作注释等，进行精确的视频处理。“AnimateAnything” 通过设计一种多尺度控制特征融合网络，构建了一个统一的运动表示。这一网络能够将所有控制信息转化为逐帧的光流，从而指导视频的生成。在这个过程中，光流作为运动先验，帮助提