控制
蜘蛛侠妖娆起舞，下一代 ControlNet 来了！贾佳亚团队推出，即插即用，还能控制视频生成
只用不到 10% 的训练参数，就能实现 ControlNet 一样的可控生成！而且 SDXL、SD1.5 等 Stable Diffusion 家族的常见模型都能适配，还是即插即用。同时还能搭配 SVD 控制视频生成，动作细节控制得精准到手指。在这些图像和视频的背后，就是港中文贾佳亚团队推出的开源图像 / 视频生成引导工具 ——ControlNeXt。从这个名字当中就能看出，研发团队给它的定位，就是下一代的 ControlNet。像大神何恺明与谢赛宁的经典大作 ResNeXt（ResNet 的一种扩展），起名字也是
日本创企“人机一体”研发人形机器人，可自动保持身体平衡
据共同社报道，日本机器人创新企业“人机一体”和立命馆大学 1 日公开展示其最新开发的人形机器人。该机器人由人类进行远程控制，可在事先未掌握周围环境的情况下自动保持身体平衡并安全运作。据介绍，该公司力争在 5 年内在高处等危险场地投入使用。AI在线汇总该机器人主要信息如下：参数方面，该机器人高约 2 米、宽约 70 厘米、重约 90 公斤。操作方面，该机器人由人类使用操纵杆控制手脚动作，通过机体的摄像头判断外界环境。上半身的动作由人控制，下半身会自动保持平衡，以便在人类不便控制的、脚下较难行走的地方运作。机器人足底装
首次尝试！深度学习从原始视频中发现未知输入激励的动力系统的可解释物理定律
编辑/绿萝由于深度学习的发展进步，从视频中提取可解释的物理定律引发了计算机视觉社区的兴趣，但仍然面临巨大的挑战。控制方程（例如 PDE、ODE）的发现可能促进我们对复杂动力系统行为的理解、建模和预测。收集数据的日益丰富和机器学习的进步带来了动态系统建模的新视角。近日，来自中国人民大学和中国科学院大学、美国东北大学的研究团队提出了一个端到端的无监督深度学习框架，根据录制的视频揭示运动物体呈现的显式动力学控制方程。模拟动态场景的实验表明，所提出的方法能够提取封闭形式的控制方程并同时识别视频记录的多个动力系统的未知激励输
- 1