画像 【OmniGen】画像生成や編集などの多様なタスクを1つのモデルで処理！
この論文では、OmniGenという新しい画像生成モデルを提案しています。OmniGenは、従来のモデルが個別に対応していたテキスト生成や画像編集などの多様なタスクを、一つのフレームワークで統一的に処理することを可能にし、追加のモジュールを必要とせず、多様な条件下で効率的かつ柔軟な画像生成が実現。
拡散モデル
画像 
論文解説 【EzAudio】1次元の波形データとDiTで効率かつ高品質な音声を生成！
この論文では、テキストから音声を生成する「EzAudio」という新しいモデルを提案。従来のモデルが抱えていた品質や計算コストの課題を克服するため、1次元の波形データを利用した効率的なTransformerモデルを開発し、計算コストを削減して高品質な音声生成が可能となりました。
画像 【InstantDrag】ドラック指示するだけで画像を微修正できる編集AI
画像編集の新しい手法である「InstantDrag」を提案しています。この手法は、ユーザーが指定したドラッグ操作に基づいて、画像をインタラクティブかつ高速に編集できる技術です。特に動画データセットを用いた訓練によって、現実世界の動的な画像編集に対応しています。