Lumina-Image 2.0 是開源的高效統一圖像生成模型，參數量為26億，基于擴散模型和Transformer架構。在圖像生成質量、復雜提示理解和資源效率方面表現出色，在...

BEN2（Background Erase Network 2）是Prama LLC開發的深度學習模型，專門用于從圖像和視頻中快速移除背景并提取前景。基于創新的置信度引導摳圖（CGM）管道...

PartEdit是KAUST推出基于預訓練擴散模型的細粒度圖像編輯方法。PartEdit基于優化特定的文本標記（稱為“部分標記”），讓擴散模型精準定位和編輯圖像中對象的各...

AstrBot 是多平臺聊天機器人及開發框架，支持多種大語言模型（如 OpenAI GPT、Google Gemini、Llama 等）和多種消息平臺（如 QQ、Telegram、微信等）。AstrBo...

Eino 是字節跳動開源的大模型應用開發框架，能幫助開發者高效構建基于大模型的 AI 應用。Eino以 Go 語言為基礎，具備穩定的內核、靈活的擴展性和完善的工具生...

NutWorld是新加坡國立大學、南洋理工大學和Skywork AI推出的視頻處理框架，能將日常單目視頻高效地轉換為動態3D高斯表示（Gaussian Splatting）。NutWorld基...

SANA 1.5 是英偉達聯合MIT、清華、北大等機構推出的新型高效的線性擴散變換器（Linear Diffusion Transformer），用于文本到圖像生成任務。在 SANA 1.0 的基...

ASAP（Aligning Simulation and Real Physics）是卡內基梅隆大學和英偉達聯合推出的，用在解決仿人機器人模擬與現實動力學不匹配問題的兩階段框架。ASAP基于...

MAETok（Masked Autoencoders Tokenizer）是卡內基梅隆大學、香港大學、北京大學等機構推出的用在擴散模型的新型圖像標記化方法。MAETok基于掩碼建模（Mask M...

JoyGen是京東科技和香港大學推出的，音頻驅動的3D說話人臉視頻生成框架，專注于實現精確的唇部與音頻同步及高質量的視覺效果。JoyGen結合音頻特征和面部深度...

LIMO（Less Is More for Reasoning）是上海交通大學研究團隊提出的高效推理方法，通過極少量高質量的訓練樣本激活大語言模型（LLM）的復雜推理能力。核心假設...

VideoJAM是Meta推出的，用在增強視頻生成模型運動連貫性的框架。基于引入聯合外觀-運動表示，讓模型在訓練階段同時學習預測視頻的像素和運動信息，在推理階段...

SynCD（Synthetic Customization Dataset）是卡內基梅隆大學和Meta推出的高質量合成訓練數據集，用在提升文本到圖像模型的定制化能力。SynCD包含多個相同對象...

MatAnyone是南洋理工大學S-Lab實驗室和商湯科技推出的，針對復雜背景人像視頻摳圖的先進框架，專注于目標指定的視頻摳圖任務。MatAnyone基于一致的內存傳播模...

s1是斯坦福大學和華盛頓大學的研究團隊開發的低成本、高性能的AI推理模型。模型通過“蒸餾”技術從谷歌的Gemini 2.0 Flash Thinking Experimental模型中提取推...