AIニュース

Sapiens是Meta实验室推出的AI视觉模型，专为理解图片和视频中的人类动作设计。支持二维姿势预估、身体部位分割、深度估计和表面法线预测等任务，采用视觉转换...

OpenCity是由香港大学联合华南理工大学和百度共同研发的交通预测模型。OpenCity采用Transformer架构和图神经网络，通过大规模预训练学习交通数据的时空依赖关...

Eagle是英伟达推出的多模态大模型，擅长处理高达1024×1024像素的图像，显著提升视觉问答和文档理解能力。Eagle模型采用多专家视觉编码器架构，通过简单高效的...

PGTFormer是先进的视频人脸修复框架，通过解析引导的时间一致性变换器来恢复视频中的高保真细节，同时增强时间连贯性。该方法无需预对齐，基于语义解析选择最...

HivisionIDPhoto 是一款基于 AI 的轻量级证件照制作工具，它能智能识别和抠图，快速生成符合多种规格的证件照。支持自定义背景色和尺寸，未来还将推出美颜和...

Step-1X 是阶跃星辰推出的AI图像生成大模型，采用自研的 DiT 架构，擅长深度语义理解和细节生成。Step-1X支持长达2000字符的复杂指令，能精准匹配图文，适用...

Melty是一款开源AI编程助手，专为提升开发者的编码效率和代码质量而设计。Melty通过实时理解开发者的编程活动，从终端操作到 GitHub 交互，提供智能协作和代...

Yi-Coder是零一万物推出的开源编程助手系列模型，专为提升代码生成、理解、调试和补全等任务的效率而设计。Yi-Coder系列模型包含1.5B和9B两种参数规模的版本...

VideoGameBunny（VGB）是一个专为视频游戏设计的开源大型多模态模型，由加拿大阿尔伯塔大学研究团队开发。它能理解和生成多种语言的游戏相关内容，支持高度定...

LanceDB 是一款专为人工智能应用设计的无服务器向量数据库，支持向量搜索、全文搜索和SQL查询，优化了多模态数据处理。它采用向量索引技术，实现高效相似度搜...

NNanoFlow 是一个高性能的服务框架，专为大型语言模型（LLMs）设计，以提高模型的推理吞吐量。它通过在单个设备内部并行使用计算、内存和网络资源，优化了模...

ChatLearn 是由阿里云推出的一个灵活、易用、高效的大规模Alignmant 训练框架。ChatLearn是为了支持大型语言模型（LLMs）的 Alignment 训练而设计的。ChatLea...

Docmatix 是一个用于文档视觉问答（Document Visual Question Answering，简称 DocVQA）任务设计的大规模数据集。它包含了240万张图像和950万个问题答案对，...

Kotaemon 是一款基于 RAG 技术的开源工具，支持用户通过自然语言与文档进行互动，快速检索和理解信息。适合需要处理大量文档的场合，如学术研究、企业文档管...

Stable Diffusion整合包是B站UP主秋葉aaaki发布的SD绘画本地部署解决方案，包含了Stable Diffusion WebUI、必要的运行环境、预装模型以及一些常用插件的集合...

MiniCPM 3.0是面壁智能推出的一款高性能端侧AI模型，具备4B参数，以较小的模型规模实现了超越GPT-3.5的性能表现。MiniCPM 3.0采用LLMxMapReduce技术，支持无...

Reflection 70B是HyperWrite公司推出的开源AI大模型，以卓越的性能在多个基准测试中超越了GPT-4o和Llama 3.1。Reflection 70B基于Meta的Llama 3.1 70B Instru...

Loopy是字节跳动推出的音频驱动的AI视频生成模型，用户可以让一张静态照片动起来，照片中的人物根据给定的音频文件进行面部表情和头部动作的同步，生成逼真的...

xLAM 是 Salesforce 开源的一款大型语言模型，专为功能调用任务设计。模型能理解和执行基于自然语言指令的 API 调用，它在自动化任务和与各种数字服务交互方...

CodeFormer是一款由南洋理工大学和商汤科技联合开发的AI照片和视频修复工具。融合了变分自动编码器（VQGAN）和Transformer技术，对模糊和马赛克的照片或视频...

Mini-Omni 是一个开源的端到端语音对话模型，具备实时语音输入和输出的能力，能在对话中实现“边思考边说话”的功能。模型的设计支持在不需要额外的自动语音识...

Composio 是一个AI智能体开发辅助工具，提供100+集成工具，简化了 AI Agent的开发和部署，支持开发者通过一行代码调用多种工具和框架，如 OpenAI 和 Claude、...

DeepSeek-V2.5 是DeepSeek推出的融合通用与代码能力的全新开源模型。保留了之前 Chat 模型的通用对话能力以及 Coder 模型的代码处理能力，更好地对齐了人类的...

MLE-Agent 是一款专为机器学习工程师和研究人员设计的智能助手，通过自动化基线创建、集成最新研究资源、智能调试、文件系统和工具集成，以及交互式命令行聊...