🚀 模型作者为@Dorialexander，下载地址及在线体验链接已公开。
在非洲国家，我预计在三年左右的时间里会看到类似的使用水平。这其中仍然存在差距，但它比我们在其他创新中看到的滞后时间要短得多。”
2023年，我们看到了扩散模型推理速度方面的一些重大理论改进，例如Song等人的原始一致性模型论文，以及最近的LCM。（另外，对抗扩散蒸馏。）我们已经开始看到使用这些想法的项目，例如Dan Wood的Art Spew(每秒77512×512图像，在单个4090上)、Modal的Turbo.art(基于SDXL Turbo) 和fal.ai的30fps脸部交换。
而令科学家感到惊喜的是，他们发现先前很多认为是噪声的信号，却被机器学习认为是可以做出预测的主要信号。
2. 🔍 **创新方法**:通过场景参数化，将场景分解为遮挡、人物和背景三个部分，并利用神经辐射场分别建模人物和遮挡/背景，以实现对被遮挡人物的准确渲染。