一项由护士主导、多学科合作的家庭支持干预措施在ICU中适度提高了家庭满意度，并显著改善了沟通质量和情感支持，填补了以家庭为中心的重症护理中的关键空白。
Zimislecel是一种同种异体干细胞衍生的胰岛细胞疗法，对1型糖尿病显示出良好的安全性和疗效，能够恢复生理胰岛功能，并使患者实现胰岛素独立，在1-2期试验中取得了显著成果。
3期试验表明，封装细胞疗法NT-501显著减缓了MacTel患者的光感受器损失，标志着一种具有可接受安全性的有希望的疾病修饰方法。
OASIS 2试验显示，50毫克口服司美格鲁肽可显著降低东亚超重或肥胖成人的体重，无论是否伴有2型糖尿病，提供了一种具有可控安全性的有希望的治疗选择。
新的研究表明，每天摄入超过五份水果和蔬菜可以显著降低慢性病风险和死亡率。
新型抑制剂AH001靶向TRPV4-RhoA-RhoGDI1轴以失活RhoA信号传导，有效降低血压并防止高血压模型中的血管重塑，为抗高血压药物开发开辟了新途径。
住院期间开始使用达格列净在两个月内未能显著减少心血管死亡或心力衰竭恶化。然而，荟萃分析支持早期使用 SGLT2 抑制剂可降低住院患者的死亡率和心力衰竭恶化。
中间效应遗传变异显著增加肥厚型心肌病的风险，并影响疾病的严重程度和预后，尤其是在与单基因突变共存时。
DOUBLE-CHOICE随机试验表明，局部麻醉与清醒镇静在经股动脉TAVI中的非劣效性，提示了一种安全的极简麻醉策略，但可能对患者的舒适度有所权衡。
COMPARE-TAVI 1试验显示，在严重主动脉狭窄患者中，Myval经导管心脏瓣膜在TAVI术后1年的复合临床终点上不劣于SAPIEN 3 THVs。
MODICA，一种由线粒体短开放阅读框编码的肽，通过抑制电压依赖性阴离子通道（VDAC）寡聚化、减少细胞凋亡和纤维化，保护心脏功能免受多柔比星毒性的影响，突显了一种新的心脏保护治疗靶点。
这项多中心研究强调了2D斑点追踪超声心动图在MIS-C中早期检测和预后评估左心室功能障碍的实用性，为心血管风险和管理提供了信息。
一项为期20年的前瞻性研究表明，经历过跟踪和获得保护令的女性患心血管事件的风险增加，强调暴力是心血管疾病预防中的关键因素。
高水平的脂蛋白(a)显著预测外周动脉疾病和颈动脉狭窄的发生，以及进展为主要肢体事件，强调其作为非冠状动脉粥样硬化性血管并发症的预后生物标志物的价值。
最新研究发现，PIEZO1 过表达是 2 型遗传性出血性毛细血管扩张症中动静脉畸形的关键驱动因素，揭示了靶向治疗的新途径。
最初设计用于特定心脏诊断的人工智能增强心电图模型，揭示了更广泛的心血管风险检测和预测能力，挑战了其作为特定条件工具的使用，并支持其作为全面心血管生物标志物的角色。
MITRACURE 国际注册研究显示，二尖瓣手术患者通常在疾病进展晚期出现严重症状，修复率较低且住院死亡率显著，强调了早期干预和改进管理策略的必要性。
BHF PROTECT-TAVI随机试验揭示，脑栓塞保护（CEP）装置不能防止经导管主动脉瓣植入（TAVI）后的认知下降，挑战了其神经保护益处的假设。
与标准护理相比，基于生物标志物的ABC-AF风险评分指导的治疗并未改善房颤患者的卒中或死亡结局，这强调了在临床实施前对精准医疗工具进行前瞻性验证的必要性。
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。
<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.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.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.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.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>
Manage and collaborate on characters for language models.
