研究领域
图像生成图像编辑视频生成视频编辑Flow Matching / 高效生成音频与全模态生成
研究 Idea
图像生成
- 基于 Diffusion / DiT 的高质量图像生成
- 文本驱动的可控图像生成
- 个性化图像生成与主体一致性
- 多主体可控图像生成
- 高分辨率图像生成
- 少步扩散与高效图像生成
图像编辑
- 自然语言驱动的图像编辑
- 基于视觉推理的智能图像编辑
- 主体保持的局部图像编辑
- 多轮交互式图像编辑
- 图像修复与内容补全
- 统一图像生成与编辑模型
视频生成
- 基于 Diffusion / DiT 的视频生成
- 长时序高一致性视频生成
- 文本驱动的可控视频生成
- 图像到视频生成
- 高效视频生成与推理加速
- 分钟级长视频生成
视频编辑
- 自然语言驱动的视频编辑
- 人物身份保持的视频编辑
- 视频运动控制与轨迹编辑
- 多主体视频编辑
- 交互式视频生成与编辑
- 视频风格迁移与内容重构
Flow Matching / 高效生成
- 基于 Flow Matching 的高效生成模型
- 少步/一步高质量图像生成
- 少步视频生成
- Diffusion Transformer 推理加速
- 生成模型 Feature Cache 加速
- 生成模型蒸馏与轻量化
音频与全模态生成
- 文本驱动的可控音频生成
- 语音—语言统一生成模型
- 视频—音频同步生成
- 视觉、语言与音频 Omni-Modal Generation
- 高保真语音合成
- 多模态条件音乐与声音生成
