AI項目和框架

In-Context LoRA：創新圖像生成框架基于DiTs技術賦能多場景應用

In-Context LoRA是阿里巴巴通義實驗室推出的基于擴散變換器（DiTs）的圖像生成框架，用模型的內在上下文學習能力，最小化調整激活模型的上下文生成能力。這種...
閱讀原文

SmoothCache：Roblox與女王大合研發的通用推理加速技術提升DiT效率與靈活性

SmoothCache 是用在Diffusion Transformers （DiT）模型的通用推理加速技術，是 Roblox 和女王大學的研究團隊推出。基于分析相鄰擴散時間步的層輸出相似性，...
閱讀原文

JoyVASA：音頻驅動的數字人頭項目實現智能交互與個性化體驗

JoyVASA是京東健康國際公司開源的音頻驅動的數字人頭項目，基于擴散模型技術，根據音頻信號生成與音頻同步的面部動態和頭部運動。JoyVASA能實現人物的唇形同...
閱讀原文

TIP-I2V：創新智能家居助手提升生活品質與便利性

TIP-I2V是大規模真實文本和圖像提示數據集，用在圖像到視頻生成領域。TIP-I2V包含超過170萬獨特的用戶文本和圖像提示，及五種SOTA圖生視頻模型生成的相應視頻...
閱讀原文

FLUX Tools：黑森林實驗室全新模型工具套組助力高效開發與創新設計

FLUX Tools是黑森林實驗室推出的一套模型工具，能增強基礎文本到圖像模型FLUX.1的控制性和可操作性。FLUX Tools包括FLUX.1 Fill（圖像修復和擴展）、FLUX.1 D...
閱讀原文

AlphaQubit：谷歌量子錯誤解碼器：提升量子計算穩定性與效率的創新解決方案

AlphaQubit是谷歌推出基于AI技術的量子錯誤解碼器，用深度學習架構Transformers識別和糾正量子計算中的錯誤。AlphaQubit基于精確的誤差識別，助力量子計算機...
閱讀原文

CAD-MLLM：智能CAD模型生成系統助力高效設計與創新

CAD-MLLM是由上海科技大學、Transcengram、DeepSeek AI和香港大學共同推出的，計算機輔助設計（CAD）模型生成系統，根據用戶的多種輸入（如文本描述、圖像、...
閱讀原文

LaTRO：基于自我獎勵機制的LLMs復雜推理能力提升框架

LaTRO（Latent Reasoning Optimization）是先進的框架，提升大型語言模型（LLMs）在復雜推理任務中的表現。基于將推理過程類比為從潛在分布中采樣，用變分推...
閱讀原文

ReCapture：谷歌與新加坡國立大學攜手推出創新視頻處理技術，提升畫質與處理效率

ReCapture是谷歌和新加坡國立大學推出的視頻處理技術，能從單一用戶提供的視頻中生成具有新相機軌跡的新視頻。ReCapture用多視圖擴散模型或基于深度的點云渲...
閱讀原文

MagicClay：智能文本驅動3D模型雕刻工具，輕松實現細節創作

MagicClay 是 Adobe 推出3D建模工具，結合網格和有向距離場（SDF）技術，支持藝術家基于文本提示對3D模型的特定部分進行雕刻，同時保持模型的其他區域不變。M...
閱讀原文

StableV2V：中國科技大學開源視頻編輯工具實現高效創作與多功能協作

StableV2V是中國科技大學推出的開源視頻編輯項目，基于文本、草圖、圖片等輸入實現視頻中物體的精準編輯和替換。項目用形狀一致的編輯范式，基于三個主要組件...
閱讀原文

Halo：私人定制健康追蹤應用助你實時監測身體狀態

Halo是開源的DIY健康追蹤項目，基于低成本的智能戒指和開源軟件，讓用戶構建自己的私人健康監測應用。Halo支持活動追蹤、心率監測、睡眠分析等功能，且完全尊...
閱讀原文

Samsung Gauss2：三星推出第二代多模態生成式AI模型，融合視覺與語言智能的創新體驗

Samsung Gauss2是三星公司推出的第二代多模態生成式AI模型，能提升Galaxy AI功能的性能和效率。Samsung Gauss2能同時處理文本、代碼和圖像等多種數據類型。Sa...
閱讀原文

AtomThink：多模態數學推理框架助力智慧教育革新

AtomThink是中山大學、香港科技大學、上海交通大學、香港大學及華為諾亞方舟實驗室的研究人員共同推出的多模態數學推理框架。框架基于構建長鏈的思維（CoT）...
閱讀原文

DeepSeek-R1-Lite：DeepSeek推理模型預覽版全面提升智能分析與預測能力

DeepSeek-R1-Lite是DeepSeek推出的推理模型預覽版，DeepSeek-R1-Lite用強化學習訓練，具備長思維鏈推理能力，能實時展示推理思考過程，性能在多個基準測試中...
閱讀原文
1…9899100101102…146