RMBG-1.4是一个用于图像背景去除的Pytorch模型,由BRIA AI开发,经过专业级数据集的训练,能够高效准确地分割前景和背景。该模型的精度、效率和通用性目前可与领先的开源模型媲美,适用于支持企业大规模内容创作的商业使用案例。由于使用了合法许可的训练数据集并有效减轻了模型偏差,RMBG-1.4在保证内容安全方面尤为突出。

EmerDiff是一种新兴的扩散模型，旨在通过利用扩散模型提取的语义知识，生成细粒度的分割地图，无需额外训练。该模型通过利用Stable Diffusion（SD）提取的语义知识，克服了从低维特征图中直接提取像素级语义关系的挑战，并利用这些关系构建了图像分辨率的分割地图。经过广泛实验验证，生成的分割地图清晰且捕捉了图像的详细部分，表明扩散模型中存在高度准确的像素级语义知识。

ActAnywhere是一个用于自动生成与前景主体运动和外观相符的视频背景的生成模型。该任务涉及合成与前景主体运动和外观相一致的背景,同时也符合艺术家的创作意图。ActAnywhere利用大规模视频扩散模型的力量,并专门定制用于此任务。ActAnywhere以一系列前景主体分割作为输入,以描述所需场景的图像作为条件,生成与条件帧相一致的连贯视频,同时实现现实的前景和背景交互。该模型在大规模人机交互视频数据集上进行训练。大量评估表明该模型的性能明显优于基准,可以泛化到各种分布样本,包括非人类主体。