🖼️ 利用编码器和模型进行音乐和图像理解，用户可编辑音乐、调整乐器和速度。
引入了感知遮挡的场景参数化，将场景解耦为遮挡、人体和背景三个部分。提出了一种新的渲染框架，分别渲染这三个部分，并设计了新颖的优化目标，以确保遮挡的清晰解耦和更完整的人体呈现。在具有挑战性的遮挡密集野外视频上对方法进行了评估，展示了其在呈现遮挡人体方面的有效性。Wild2Avatar通过与Vid2Avatar（基线）和原始视频的对比，呈现了其在解决被遮挡人物渲染挑战方面的独特性能。
3、LLaVA在视觉聊天和推理问答方面表现出接近GPT-4水平的能力。
看上去，这种「简单的美好」很容易实现，但为何其他游戏难以复刻?事实上，这背后有着多个结实的骨架在支撑着。
这种用户友好的方法使得照片修复对广大用户都易于访问，即使是那些没有广泛技术知识的用户也能轻松上手。