这项多中心试验显示，序贯使用COX-2抑制剂帕瑞昔布和伊美昔布显著降低了重症急性胰腺炎（SAP）的发生率，缩短了器官功能障碍持续时间，减少了局部并发症，并降低了30天死亡率，且安全性良好。
一项全面的瑞典研究表明，显微镜下结肠炎（MC）患者发展为抑郁症和焦虑症等精神障碍的风险显著增加，强调了综合临床管理的重要性。
心脏磁共振成像（MRI）T1映射和细胞外体积分数（ECV）提供了心肌纤维化的无创标志物，在心力衰竭各亚型和非缺血性扩张型心肌病中对不良心血管结局显示出一致的预后价值。
了解器官钙化的原因，区分无害与危险类型，并学习如何根据专家建议解读您的健康报告。
探索微妙的肝脏症状如何预示严重疾病，从肝炎到肝癌的发展过程，以及有效习惯保护肝脏健康的方法。
PANDA II 研究表明，流感疫苗接种显著降低了急性心力衰竭患者的死亡率和再住院率，支持将其作为全球心力衰竭管理的标准组成部分。
根据最近的科学研究，仅仅将就寝时间提前一小时就可以帮助体重管理、降低抑郁风险并保护心脏。
一支多学科的中国团队开发了一种基于AI的MRI-病理学基础模型，能够准确、无创地诊断和分级前列腺癌，显著改善临床决策并减少不必要的活检。
了解每天仅需10分钟的靠墙坐如何显著降低血压并带来令人惊讶的好处，从心脏健康到关节护理和体重管理。
间歇性禁食因其代谢和减肥益处而受到欢迎，但新的研究表明，缩短进食窗口可能增加心血管风险，提示需要谨慎并采取个性化方法。
微塑料，直径小于5毫米的塑料颗粒，已悄无声息地通过饮用水、空气和食物渗透到我们的身体中。它们在器官中积累，加速细胞老化，并增加炎症。了解隐藏来源并采取实用措施减少暴露。
本分析比较了接受保留生育功能的激素治疗与子宫切除术治疗的年轻早期子宫内膜癌患者的生存情况，指出40岁以下女性的生存率相当，而接受激素治疗的较年长患者死亡风险增加。
一项大型基于人群的遗传学研究阐明了已知癌症易感基因中罕见致病性变异与单发和多发原发性癌症风险之间的关联，支持对受影响个体进行多基因面板检测。
本文探讨了胃肠道疾病与睡眠障碍之间的关联，强调抑郁作为部分中介因素的重要性，并指出改善睡眠质量需要同时关注肠道和心理健康。
最近的一项调查显示，尽管大多数美国心脏病学家支持心血管健康的生活方式建议，但他们在饮食和身体活动指南方面的个人依从性并不一致。
最近的一项研究表明，超过80%的阿莫西林过敏患者能够耐受哌拉西林-他唑巴坦，尽管约有18%的患者出现交叉反应，这突显了在使用前进行仔细的过敏测试的必要性。
用于肥胖和2型糖尿病管理的GLP-1受体激动剂与总体癌症风险降低17%相关，尤其是激素敏感性癌症，但可能增加肾癌风险。需要进一步研究以明确其安全性和机制。
FDA 已授权辉瑞和莫德纳更新的 COVID-19 疫苗，旨在针对 LP.8.1 亚谱系，扩大了 65 岁以上成人和有高风险条件的个体的疫苗接种范围，增强对不断演变的变异株的免疫防御。
一项在缺血性卒中后2个月开始的为期8周的心肺运动计划，在12个月时改善了认知表现，尽管与对照组相比，海马体积没有显著保留。该干预措施安全可行，为卒中后认知护理提供了有希望的途径。
本研究在呼吸健康个体中建立了可靠的 FeNO 参考值，并强调了影响一氧化氮水平的因素，从而提高了哮喘的诊断和管理。
<p>DeepPiano 是智曲科技推出的以大模型为内核的钢琴智能应用。通过先进的人工智能技术，为钢琴演奏者和学习者提供多种便捷功能。DeepPiano 能实现智能乐谱翻页，自动识别演奏进度，无需手动操作，让演奏更加流畅。“AI 音频美颜”功能可快速优化录制的钢琴音频，去除噪音提升音质，达到专业水准。具备 AI 音乐创作能力，可根据用户即兴演奏生成五线谱，激发创作灵感。</p> <h2 style="font-size: 20px;">DeepPiano的官网地址</h2> <ul> <li>官网地址： <a href="https://www.deepiano.com/" target="_blank" rel="noopener">https://www.deepiano.com/</a> </li> <li>苹果AppStore应用商店： <a href="https://apps.apple.com/us/app/deep-piano-ai-sheet-music/id6642699519" target="_blank" rel="noopener">https://apps.apple.com/us/app/deep-piano-ai-sheet-music/id6642699519</a> </li> </ul>
<p>Hautech.AI 是基于AI技术生成逼真时尚模特照片的工具。Hautech.AI 支持将简单的平面产品图像快速转换为高质量的模特展示图，具有高度的定制化功能，用户根据需求选择模特的年龄、性别、外貌特征、姿势和背景等。Hautech.AI助力品牌节省传统拍摄的时间和成本，提升内容的多样性和吸引力，广泛应用在社交媒体、产品目录、广告制作等场景，帮助时尚品牌高效地生成视觉内容，增强市场竞争力。</p> <h2 style="font-size: 20px;">Hautech.AI的主要功能</h2> <ul> <li>从平面图到模特图：用户只需上传平面产品图像（如服装、配饰等），AI自动在短时间内生成逼真的模特展示图。</li> <li>模特选择：用户根据需求选择不同年龄、性别、种族的模特，包括婴儿、儿童、青少年、成人和老年人。</li> <li>背景定制：提供多种背景，如城市街道、自然场景、工作室、海滩等，适应不同的营销场景。</li> <li>细节调整：支持用户调整模特的外貌特征（如眼睛颜色、头发颜色、身高、体重等）、面部表情（如微笑、严肃、中性等）、姿势（如站立、行走、坐着等）及服装细节（如服装的贴合度、位置等）。</li> </ul> <h2 style="font-size: 20px;">Hautech.AI的官网地址</h2> <ul> <li>官网地址：hautech.ai</li> </ul>
<p>National Gallery Mixtape 是伦敦国家美术馆联合 Google Arts &amp; Culture 推出的 AI 音乐实验工具。汇集了伦敦国家美术馆精选的200幅世界名画，涵盖从文艺复兴时期到现代的各种风格和主题。用户可从这些画作中最多选择6幅，拖放到指定区域，AI会分析画作的色彩、主题、情感和历史背景等元素，生成与之匹配的音乐片段。能通过调整音乐片段的音量、顺序和叠加方式，以及使用音乐风格、乐器和心情标签等工具来定制音乐的风格和氛围。</p> <p>官网地址： <a href="https://artsandculture.google.com/experiment/iwHPaSXS-zrryg" target="_blank" rel="noopener">https://artsandculture.google.com/experiment/iwHPaSXS-zrryg</a> </p>
<p>字节开源DreamO，统一图像定制框架，把图像换装、换脸、换造型、换风格以及组合操作装在了一起 支持ID、IP、Try-On等组合，支持16GB/24GB显卡运行，用于虚拟试穿、商品广告、营销广告什么的比较实用 四个能力： IP，处理角色形象，支持人物、物体、动物等输入 ID，人脸身份处理 Try-On，虚拟试穿，可以同时换多件衣服 Style，风格迁移，目前还不能和其他任务组合</p> <p>DreamO正式实现<a href="https://arxiv.org/abs/2504.16915" rel="nofollow">：统一的图像定制框架</a> </p> <div class="markdown-heading" dir="auto"> <h3 class="heading-element" dir="auto" tabindex="-1">🚩 更新</h3> <a id="user-content-triangular_flag_on_post-updates" class="anchor" href="https://github.com/bytedance/DreamO?tab=readme-ov-file#triangular_flag_on_post-updates" aria-label="永久链接：:triangular_flag_on_post: 更新"></a></div> <ul dir="auto"> <li>2025.05.12：🔥🔥 现在支持消费级 GPU（16GB 或 24GB），请参阅<a href="https://github.com/bytedance/DreamO?tab=readme-ov-file#for-consumer-grade-gpus">此处</a>了解说明</li> <li>2025.05.11：🔥🔥我们更新了模型，以缓解过饱和和面部塑形的问题。新版本相比上一版本有了持续的改进。敬请关注！</li> <li>2025.05.08：发布代码和模型</li> <li>2025.04.24：发布DreamO技术报告。</li> </ul> <div class="markdown-heading" dir="auto"> <h2 class="heading-element" dir="auto" tabindex="-1">🔧 依赖项和安装</h2> <a id="user-content-wrench-dependencies-and-installation" class="anchor" href="https://github.com/bytedance/DreamO?tab=readme-ov-file#wrench-dependencies-and-installation" aria-label="永久链接：:wrench: 依赖项和安装"></a></div> <div class="highlight highlight-source-shell notranslate position-relative overflow-auto" dir="auto"> <pre># clone DreamO repo git clone https://github.com/bytedance/DreamO.git cd DreamO # create conda env conda create --name dreamo python=3.10 # activate env conda activate dreamo # install dependent packages pip install -r requirements.txt</pre> <div class="zeroclipboard-container"> </div> </div> <div class="markdown-heading" dir="auto"> <h2 class="heading-element" dir="auto" tabindex="-1">⚡ 快速推理</h2> <a id="user-content-zap-quick-inference" class="anchor" href="https://github.com/bytedance/DreamO?tab=readme-ov-file#zap-quick-inference" aria-label="永久链接：:zap: 快速推理"></a></div> <div class="markdown-heading" dir="auto"> <h3 class="heading-element" dir="auto" tabindex="-1">本地 Gradio 演示</h3> <a id="user-content-local-gradio-demo" class="anchor" href="https://github.com/bytedance/DreamO?tab=readme-ov-file#local-gradio-demo" aria-label="永久链接：本地 Gradio 演示"></a></div> <div class="highlight highlight-source-shell notranslate position-relative overflow-auto" dir="auto"> <pre>python app.py</pre> <div class="zeroclipboard-container"> </div> </div> <p>我们观察到 DreamO 与加速 FLUX LoRA 变体 ( <a href="https://huggingface.co/alimama-creative/FLUX.1-Turbo-Alpha" rel="nofollow">FLUX-turbo</a> ) 之间具有高度兼容性，因此默认启用 Turbo LoRA，将推理步骤减少至 12 步（默认为 25 步以上）。您可以通过 禁用 Turbo <code>--no_turbo</code>，但我们的评估结果好坏参半；因此我们建议保持 Turbo 启用状态。</p> <p>提示：如果观察到肢体扭曲或文本生成不佳，请尝试增加指导比例；如果图像显得过于光泽或过度饱和，请考虑降低指导比例。</p> <div class="markdown-heading" dir="auto"> <p>对于消费级 GPU</p> <a id="user-content-for-consumer-grade-gpus" class="anchor" href="https://github.com/bytedance/DreamO?tab=readme-ov-file#for-consumer-grade-gpus" aria-label="永久链接：适用于消费级 GPU"></a></div> <p>我们添加了对 8 位量化和 CPU 卸载的支持，以便在消费级 GPU 上执行。这需要<code>optimum-quanto</code>库的支持，因此 PyTorch 版本<code>requirements.txt</code>已升级到 2.6.0。如果您使用的是旧版本的 PyTorch，则可能需要重新配置环境。</p> <ul dir="auto"> <li> <p>对于拥有 24GB GPU 的用户，运行<code>python app.py --int8</code>以启用 int8-quantized 模型。</p> </li> <li> <p>对于拥有 16GB GPU 的用户，请运行<code>python app.py --int8 --offload</code>以启用 CPU 卸载和 int8 量化。请注意，CPU 卸载会显著降低推理速度，因此应仅在必要时启用。</p> </li> </ul> <div class="markdown-heading" dir="auto"> <h3 class="heading-element" dir="auto" tabindex="-1">支持的任务</h3> <a id="user-content-supported-tasks" class="anchor" href="https://github.com/bytedance/DreamO?tab=readme-ov-file#supported-tasks" aria-label="永久链接：支持的任务"></a></div> <div class="markdown-heading" dir="auto"> <p>知识产权</p> <a id="user-content-ip" class="anchor" href="https://github.com/bytedance/DreamO?tab=readme-ov-file#ip" aria-label="永久链接：IP"></a></div> <p>此任务与 IP-Adapter 类似，支持多种输入，包括角色、物体和动物。通过利用基于 VAE 的特征编码，DreamO 实现了比以往适配器方法更高的保真度，并在保留角色身份方面具有显著优势。</p> <p><a href="https://private-user-images.githubusercontent.com/11482921/442496266-086ceabd-338b-4fef-ad1f-bab6b30a1160.png?jwt=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.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.QYAzna2IHCyXkpoAlRyCZoojTl6s5miF9rbXajxLIIE" target="_blank" rel="noopener noreferrer"><img style="display: block; margin-left: auto; margin-right: auto;" src="https://private-user-images.githubusercontent.com/11482921/442496266-086ceabd-338b-4fef-ad1f-bab6b30a1160.png?jwt=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJnaXRodWIuY29tIiwiYXVkIjoicmF3LmdpdGh1YnVzZXJjb250ZW50LmNvbSIsImtleSI6ImtleTUiLCJleHAiOjE3NDcxODMwMTQsIm5iZiI6MTc0NzE4MjcxNCwicGF0aCI6Ii8xMTQ4MjkyMS80NDI0OTYyNjYtMDg2Y2VhYmQtMzM4Yi00ZmVmLWFkMWYtYmFiNmIzMGExMTYwLnBuZz9YLUFtei1BbGdvcml0aG09QVdTNC1ITUFDLVNIQTI1NiZYLUFtei1DcmVkZW50aWFsPUFLSUFWQ09EWUxTQTUzUFFLNFpBJTJGMjAyNTA1MTQlMkZ1cy1lYXN0LTElMkZzMyUyRmF3czRfcmVxdWVzdCZYLUFtei1EYXRlPTIwMjUwNTE0VDAwMzE1NFomWC1BbXotRXhwaXJlcz0zMDAmWC1BbXotU2lnbmF0dXJlPWY2MWFhODczN2MyZTI3NzA2Zjk2ZmVmYmZjNWRiOWFjYjA3NjVlYjUwZDNmYjVlMzlkZjU4NTE4NTFhMTIwODYmWC1BbXotU2lnbmVkSGVhZGVycz1ob3N0In0.QYAzna2IHCyXkpoAlRyCZoojTl6s5miF9rbXajxLIIE"></a></p> <div class="markdown-heading" dir="auto"> <p>ID</p> <a id="user-content-id" class="anchor" href="https://github.com/bytedance/DreamO?tab=readme-ov-file#id" aria-label="永久链接：ID"></a></div> <p>这里，ID 特指面部身份。与同时考虑人脸和衣着特征的 IP 任务不同，ID 任务仅关注面部特征。该任务与 InstantID 和 PuLID 类似。与之前的方法相比，DreamO 实现了更高的面部保真度，但比 SOTA 方法 PuLID 引入了更多的模型污染。</p> <p><a href="https://private-user-images.githubusercontent.com/11482921/442497094-392dd325-d4f4-4abb-9718-4b16fe7844c6.png?jwt=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.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.Bf9LLLJjkzVF-iNGorWAwkOCNo1wRapLNeC6x1kG1_4" target="_blank" rel="noopener noreferrer"><img style="display: block; margin-left: auto; margin-right: auto;" src="https://private-user-images.githubusercontent.com/11482921/442497094-392dd325-d4f4-4abb-9718-4b16fe7844c6.png?jwt=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.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.Bf9LLLJjkzVF-iNGorWAwkOCNo1wRapLNeC6x1kG1_4"></a></p> <p>提示：如果您发现脸部显得过于有光泽，请尝试降低指导尺度。</p> <div class="markdown-heading" dir="auto"> <p>试穿</p> <a id="user-content-try-on" class="anchor" href="https://github.com/bytedance/DreamO?tab=readme-ov-file#try-on" aria-label="永久链接：试穿"></a></div> <p>此任务支持上衣、下装、眼镜和帽子等输入，并支持多件服装的虚拟试穿。值得注意的是，我们的训练集不包含多件服装或 ID+服装数据，但该模型对这些未见过的组合表现出良好的泛化能力。</p> <p><a href="https://private-user-images.githubusercontent.com/11482921/442498300-fefec673-110a-44f2-83a9-5b779728a734.png?jwt=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.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.cpTeiHi2QGTk4T7dQ-qTaHoNEsxtwFNZrexo4-noLGE" target="_blank" rel="noopener noreferrer"><img style="display: block; margin-left: auto; margin-right: auto;" src="https://private-user-images.githubusercontent.com/11482921/442498300-fefec673-110a-44f2-83a9-5b779728a734.png?jwt=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.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.cpTeiHi2QGTk4T7dQ-qTaHoNEsxtwFNZrexo4-noLGE"></a></p> <div class="markdown-heading" dir="auto"> <p>风格</p> <a id="user-content-style" class="anchor" href="https://github.com/bytedance/DreamO?tab=readme-ov-file#style" aria-label="永久链接：风格"></a></div> <p>此任务与 Style-Adapter 和 InstantStyle 类似。请注意，样式一致性目前与其他任务相比不太稳定，并且在当前版本中，样式无法与其他条件组合使用。我们正在努力改进未来版本，敬请期待。</p> <p><a href="https://private-user-images.githubusercontent.com/11482921/442498659-0a31674a-c3c2-451f-91e4-c521659d40f3.png?jwt=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.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.85KKXNplE4zOXT4KBIj2IKaZ9pqlrxraWAhGvMYpmTo" target="_blank" rel="noopener noreferrer"><img style="display: block; margin-left: auto; margin-right: auto;" src="https://private-user-images.githubusercontent.com/11482921/442498659-0a31674a-c3c2-451f-91e4-c521659d40f3.png?jwt=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.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.85KKXNplE4zOXT4KBIj2IKaZ9pqlrxraWAhGvMYpmTo"></a></p> <div class="markdown-heading" dir="auto"> <p>多重条件</p> <a id="user-content-multi-condition" class="anchor" href="https://github.com/bytedance/DreamO?tab=readme-ov-file#multi-condition" aria-label="永久链接：多重条件"></a></div> <p>您可以使用多种条件（ID、IP、试穿）来生成更具创意的图像。得益于论文中提出的特征路由约束，DreamO 有效地缓解了多个实体之间的冲突和纠缠。</p> <p><a href="https://private-user-images.githubusercontent.com/11482921/442502721-e43e6ebb-a028-4b29-b76d-3eaa1e69b9c9.png?jwt=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.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.h6pC7EyXVdKrXyTqoojZRSEKctnIM5o5DhaMFHZcEHM" target="_blank" rel="noopener noreferrer"><img style="display: block; margin-left: auto; margin-right: auto;" src="https://private-user-images.githubusercontent.com/11482921/442502721-e43e6ebb-a028-4b29-b76d-3eaa1e69b9c9.png?jwt=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJnaXRodWIuY29tIiwiYXVkIjoicmF3LmdpdGh1YnVzZXJjb250ZW50LmNvbSIsImtleSI6ImtleTUiLCJleHAiOjE3NDcxODMwMTQsIm5iZiI6MTc0NzE4MjcxNCwicGF0aCI6Ii8xMTQ4MjkyMS80NDI1MDI3MjEtZTQzZTZlYmItYTAyOC00YjI5LWI3NmQtM2VhYTFlNjliOWM5LnBuZz9YLUFtei1BbGdvcml0aG09QVdTNC1ITUFDLVNIQTI1NiZYLUFtei1DcmVkZW50aWFsPUFLSUFWQ09EWUxTQTUzUFFLNFpBJTJGMjAyNTA1MTQlMkZ1cy1lYXN0LTElMkZzMyUyRmF3czRfcmVxdWVzdCZYLUFtei1EYXRlPTIwMjUwNTE0VDAwMzE1NFomWC1BbXotRXhwaXJlcz0zMDAmWC1BbXotU2lnbmF0dXJlPTJmYmZiZDg5ZDU3MjJmOTBhMTNkYjAzNjk3Y2FiYzNiYmZlMzhjMWEzYjAyZTQzYTQyMzU2MmNlYjM2N2ZmODgmWC1BbXotU2lnbmVkSGVhZGVycz1ob3N0In0.h6pC7EyXVdKrXyTqoojZRSEKctnIM5o5DhaMFHZcEHM"></a></p> <div class="markdown-heading" dir="auto"> <h3 class="heading-element" dir="auto" tabindex="-1">在线 HuggingFace 演示</h3> <a id="user-content-online-huggingface-demo" class="anchor" href="https://github.com/bytedance/DreamO?tab=readme-ov-file#online-huggingface-demo" aria-label="永久链接：在线 HuggingFace 演示"></a></div> <p>您可以在<a href="https://huggingface.co/spaces/ByteDance/DreamO" rel="nofollow">HuggingFace</a>上尝试 DreamO 演示。</p>
Search characters for RPers
