EAFormer – 复旦推出的AI文本分割框架
EAFormer是复旦推出的AI文本分割框架。擅长在照片中找到文字，并且能很精确地把文字从背景中分离出来。即使文字的边缘很模糊或者背景很复杂，EAFormer也能做得很好。对于想要从图片中去除文字或者...
排序
Cradle – 通用计算机控制的多模态AI Agent框架
Cradle是面向通用计算机控制（General Computer Control, GCC）的多模态AI Agent框架，由昆仑万维携手北京智源人工智能研究院、新加坡南洋理工大学、北京大学等顶尖名校...
QwQ-32B-Preview – 阿里开源的AI推理模型，基准测试超越 o1 模型
QwQ-32B-Preview（QwQ-32B）是阿里推出的开源AI推理模型，在数学和编程领域表现卓越。QwQ-32B-Preview包含325亿参数，能处理长达32000个tokens的提示词。在多...
Open Materials 2024 – Meta 开源的大型开放数据集和配套预训练模型
Open Materials 2024 (OMat24) 是Meta推出的包含超过1.1亿个结构的密度泛函理论(DFT)计算的大型开放数据集，专注于无机材料的结构和成分多样性。附带预训练的图神经网络模...
Generative Omnimatte – 谷歌联合马里兰大学等机构推出的视频分解技术
Generative Omnimatte 是 Google DeepMind 等机构推出的视频编辑技术，能将视频智能分解为多个透明背景的RGBA图层，每个图层对应一个物体及其相关效果（如阴影、反射等...
BrushEdit – 腾讯和北大等联合推出的图像编辑框架，指令引导图像编辑和修复
BrushEdit是腾讯和北京大学等机构联合推出的先进图像编辑框架，是BrushNet模型的高级迭代版本。框架结合多模态大型语言模型（MLLMs）和双分支图像修复模型，实现基于指令引导的图像编辑和修复...
Genesis – CMU 联合 20 多所研究机构开源的生成式物理引擎
Genesis是卡内基梅隆大学、马里兰大学、斯坦福大学、麻省理工学院等研究机构联合推出的开源生成式物理引擎，能模拟世界万物。Genesis能用简单的语言描述，快速生成精确的物理模拟，包括物体运动、人物...
MetaMorph – 统一多模态理解与生成大模型，基于VPiT 预测多模态 token
MetaMorph是多模态大模型（MLLM），通过指令微调（Instruction Tuning）实现视觉理解和生成。它提出了一种名为Visual-Predictive Instruction Tun...
MotionClone – 文本驱动的AI视频动作克隆框架
MotionClone是文本驱动的AI视频动作克隆框架，通过时间注意力机制从参考视频中克隆动作，结合文本提示词生成新视频。能处理复杂的全局相机运动和精细的局部肢体动作，实现高度逼真和控制性强的视频内容...
CharacterFactory – 大连理工推出的AI角色创作工具
CharacterFactory是大连理工大学IIAU团队推出的AI角色创作工具，通过扩散模型在无需参考图片的情况下，仅需2.5GB显存和10分钟训练，即可快速生成具有一致性特征的新角色图像。