AnyWord-3M数据集

AnyText 是一款支持多语言的视觉文本生成与编辑工具，能够用AI生成或编辑图片中的文字，并与图片风格保持一致，尤其支持中文。它基于扩散模型，集成了辅助潜在模块和文本嵌入模块，使用先进的训练技术，提供了大规模多语言文本图像数据集 AnyWord-3M。

ChatGPT 在文本注释任务上的表现优于 Mechanical Turk 工人，推动了基于 AI 的数据注释的进展，这些注释可用于训练 AI 模型。

Inflection-2.5接近于GPT-4的性能，但训练所用计算资源仅为其40%。它结合了强大的能力和Inflection独特的个性化以及同理心的微调。

InstantID是一种图像个性化生成方法，通过设计一种新的人脸编码器，结合人脸图像、关键点图像和文本提示来保留细节，并使用扩散生成过程生成高保真度的个性化图像。

文本到视频分数(T2VScore)，一个新的评估指标，从文本符合度和视频质量两个维度全面评估视频生成。

Glyph-ByT5是一个定制的文本编码器，旨在实现准确的多语言视觉文本渲染，特别是在平面设计图像中。

Imagen是一个文本到图像的扩散模型，具有极高的真实感，利用大型变换器语言模型来理解文本并生成高保真图像。它在COCO数据集上取得了7.27的最先进FID分数，并在样本质量和图像-文本对齐方面被人类评审者优先选择。

AI Badge是一个允许用户在使用AI生成图像时，使用一个自由授权、易于识别的徽章，以增强使用透明度的工具。用户可以自由地使用这个徽章，建议将徽章宽度至少为图像的5%，并且最低为50px，徽章应放置在图像的右下角，离边缘的距离为徽章宽度的1/4。

质衡: 通用基础模型在底层视觉上的基准测试，包含中文版【底层视觉问答】和【底层视觉描述】数据集，以及中文提示下的图片质量评价。

FIFO-Diffusion是一个无需额外训练即可生成长视频的框架，通过确保每个帧引用足够多的先前帧来生成高质量、一致的长视频。该项目利用预训练的扩散模型，结合算法优化，实现了高效的视频生成和去噪，已在现有的文本到视频生成基线上展示出其有效性。