AI News

SynCD（Synthetic Customization Dataset）是卡内基梅隆大学和Meta推出的高质量合成训练数据集，用在提升文本到图像模型的定制化能力。SynCD包含多个相同对象...

MatAnyone是南洋理工大学S-Lab实验室和商汤科技推出的，针对复杂背景人像视频抠图的先进框架，专注于目标指定的视频抠图任务。MatAnyone基于一致的内存传播模...

JoyGen是京东科技和香港大学推出的，音频驱动的3D说话人脸视频生成框架，专注于实现精确的唇部与音频同步及高质量的视觉效果。JoyGen结合音频特征和面部深度...

EMAGE（Expressive Masked Audio-conditioned GEsture modeling）是清华大学、东京大学、庆应义塾大学等机构推出的用在生成全身共语手势框架。EMAGE能根据音...

LIMO（Less Is More for Reasoning）是上海交通大学研究团队提出的高效推理方法，通过极少量高质量的训练样本激活大语言模型（LLM）的复杂推理能力。核心假设...

SANA 1.5 是英伟达联合MIT、清华、北大等机构推出的新型高效的线性扩散变换器（Linear Diffusion Transformer），用于文本到图像生成任务。在 SANA 1.0 的基...

ASAP（Aligning Simulation and Real Physics）是卡内基梅隆大学和英伟达联合推出的，用在解决仿人机器人模拟与现实动力学不匹配问题的两阶段框架。ASAP基于...

MAETok（Masked Autoencoders Tokenizer）是卡内基梅隆大学、香港大学、北京大学等机构推出的用在扩散模型的新型图像标记化方法。MAETok基于掩码建模（Mask M...

Eino 是字节跳动开源的大模型应用开发框架，能帮助开发者高效构建基于大模型的 AI 应用。Eino以 Go 语言为基础，具备稳定的内核、灵活的扩展性和完善的工具生...

NutWorld是新加坡国立大学、南洋理工大学和Skywork AI推出的视频处理框架，能将日常单目视频高效地转换为动态3D高斯表示（Gaussian Splatting）。NutWorld基...

AstrBot 是多平台聊天机器人及开发框架，支持多种大语言模型（如 OpenAI GPT、Google Gemini、Llama 等）和多种消息平台（如 QQ、Telegram、微信等）。AstrBo...

Lumina-Image 2.0 是开源的高效统一图像生成模型，参数量为26亿，基于扩散模型和Transformer架构。在图像生成质量、复杂提示理解和资源效率方面表现出色，在...

BEN2（Background Erase Network 2）是Prama LLC开发的深度学习模型，专门用于从图像和视频中快速移除背景并提取前景。基于创新的置信度引导抠图（CGM）管道...

PartEdit是KAUST推出基于预训练扩散模型的细粒度图像编辑方法。PartEdit基于优化特定的文本标记（称为“部分标记”），让扩散模型精准定位和编辑图像中对象的各...

Agentic Object Detection 是吴恩达团队开发的新型目标检测技术，通过智能代理（Agent）系统实现无需标注数据的目标检测。用户仅需输入文字提示，AI 基于推理...

Agno 是构建智能代理（Agents）的轻量级框架。Agno 支持多模态（文本、图像、音频、视频）和多代理协作，能快速创建代理，速度比 LangGraph 快 5000 倍，支持...

Ola是清华大学、腾讯 Hunyuan 研究团队和新加坡国立大学 S-Lab 合作开发的全模态语言模型。通过渐进式模态对齐策略，逐步扩展语言模型支持的模态，从图像和文...

AlphaGeometry2 是谷歌 DeepMind 推出的先进的人工智能系统，专门用于解决国际数学奥林匹克竞赛（IMO）中的几何问题。结合了神经符号方法，将谷歌 Gemini 系...