174-B1｜多模态时尚检索与生成，面部情感理解，MLLM几何推理；多模态上下文感知口型匹配视频配音；目标遮挡情境下的视频修复

文章预览

AIGC   Research 主编｜ 庄才林（Cailin Zhuang） 技术支持｜胡耀淇（Yaoqi Hu） Topic: Multi-modal｜Fashion Retrieval and Generation, Facial Emotion Understanding, Geometric Reasoning UniFashion: A Unified Vision-Language Model for Multimodal Fashion Retrieval and Generation 2024-08-21｜PolyU, WHU｜⭐️ http://arxiv.org/abs/2408.11305v1 https://github.com/xiangyu-mm/UniFashion 概述 UniFashion 是一个融合了视觉和语言数据的统一模型，它专门应对时尚领域的多模态检索和生成任务 。随着人工智能技术的进步，尤其是在生成模型（如大型语言模型和扩散模型）方面，UniFashion 应运而生，以解决目前时尚领域多模态任务中存在的诸多挑战。 现有的多模态大规模语言模型（MLLMs）仍然面临对图像生成能力不足的局限，而 UniFashion 通过将检索与生成任务结合，实现了更好的多模态嵌入和生成能力 。研究证明，该模型在多个时尚任务 ………………………………