最新AI教程资讯
文心iRAG – 百度推出检索增强的文生图技术，解决生成上的幻觉问题
文心iRAG是百度在2024年百度世界大会上推出的检索增强的文生图技术（iRAG）技术，结合了百度搜索的亿级图片资源和强大的基础模型能力，解决大模型在文生图方面的幻觉问题，提升AI生成图片的真实性和可靠性。基于iRAG技术，AI能生成逼真、无误的图片，显著提高AI在图像生成领域的实用性和准确性。
2025-01-22 11:29:28
Vidu 1.5 – 生数科技推出支持多主体一致性的多模态大模型
Vidu 1 5是生数科技推出的AI视频生成平台最新版本，致力于帮助创作者自由表达和高效创作。具备多模态视频大模型，支持参考生视频、图生视频和文生视频，确保角色、物体、场景的一致性。Vidu 1 5能在30秒内生成高清视频，具有强大的语义理解能力，精准实现用户指令。
2025-01-22 11:05:52
AgentReview – 基于LLM Agents 模拟同行评审过程的框架
AgentReview是基于大型语言模型（LLM）的框架，模拟学术同行评审过程。AgentReview基于LLM代理模拟评审者、作者和领域主席的角色，支持研究者在尊重隐私的同时，探索评审偏见、角色和决策机制对评审结果的影响。AgentReview能提供改进同行评审机制的洞见，支持未来的研究。
2025-01-22 10:37:55
CHANGER – AI换头技术，将演员头部无缝集成到目标身体
CHANGER是工业级超自然AI换头与色键技术，用在数字内容创作中将演员头部无缝集成到目标身体上，适于视觉特效、数字人类创建和虚拟化身。CHANGER基于色键技术分离背景与前景，用H2增强模拟多样头部形状和发型，及FPAT模块预测、聚焦关键区域，实现高保真融合。
2025-01-22 10:12:16
Kiroku – 多智能体系统，模拟学生与导师间互动、组织和撰写文档
Kiroku是多智能体系统，辅助用户组织和撰写文档。灵感源自创始人在斯坦福大学攻读博士期间的学术写作经历，Kiroku模拟学生与导师间的互动，帮助用户快速生成段落、优化沟通方式，在迭代评估中提升信息传递效果。
2025-01-22 09:43:20
Vision Search Assistant – 结合视觉语言模型和网络代理搜索技术的开源框架
Vision Search Assistant（VSA）是结合视觉语言模型（VLMs）和网络代理的框架，提升模型对未知视觉内容的理解能力。基于互联网检索，使VLMs处理和回答有关未见图像的问题。VSA在开放集和封闭集问答测试中表现出色，显著优于包括LLaVA-1 6-34B、Qwen2-VL-72B和InternVL2-76B在内的其他模型。
2025-01-22 09:21:11
MVDrag3D – 南洋理工大学推出的拖拽式多视图3D编辑技术
MVDrag3D是创新的3D编辑框架，结合多视图生成和重建先验实现灵活且富有创造性的拖拽编辑。框架用多视图扩散模型作为生成先验，确保在多个渲染视图间进行一致的拖拽编辑，基于重建模型重建编辑对象的3D高斯表示，用视图特定的变形网络调整高斯位置实现视图间的对齐，最终用多视图分数函数增强视图一致性和视觉质量。
2025-01-21 17:46:02
Chonkie – RAG文本分块库，基于Token、单词、句子和语义的多种分块方法
Chonkie是轻量级、快速且功能丰富的RAG（Retrieval-Augmented Generation）分块库，为文本处理设计。Chonkie支持基于Token、单词、句子和语义的多种分块方法，易于安装和使用，无冗余，适合各种自然语言处理任务。Chonkie以高效性能和广泛的tokenizer支持，成为开发者在构建RAG应用时的首选库。
2025-01-21 17:19:44
MSQA – 大规模多模态3D情境推理数据集
MSQA（Multi-modal Situated Question Answering）是大规模多模态情境推理数据集，提升具身AI代理在3D场景中的理解与推理能力。数据集包含251K个问答对，覆盖9个问题类别，基于3D场景图和视觉-语言模型在真实世界3D场景中收集。MSQA用文本、图像和点云的交错多模态输入，减少单模态输入的歧义。
2025-01-21 16:56:19
Excalidraw – 开源的在线白板工具，手绘风格实时协作
Excalidraw是开源的在线绘图工具，拥有简洁的手绘风格和实时协作功能。Excalidraw完全在浏览器中运行，无需安装，支持多人同时编辑同一张图，提供端到端加密。Excalidraw核心功能包括各种绘图工具、导出为PNG或SVG格式、离线可用及跨平台兼容性。
2025-01-21 16:35:42
RMBG-2.0 – 开源的图像背景移除模型，支持各类图像高精度背景移除
RMBG-2 0是BRIA AI推出的最新开源图像背景移除模型，基于先进的AI技术实现高精度的前景与背景分离，达到SOTA（State of the Art，即当前最佳）水平。RMBG-2 0在性能上超越前代版本，从1 4版本的73 26%准确率大幅提升至2 0版本的90 14%，超越业界知名的付费工具remove bg。
2025-01-21 16:06:35
JanusFlow – DeepSeek开源多模态理解与生成任务统一的框架
JanusFlow是DeepSeek推出的 Janus 系列，用在多模态理解和生成任务的模型，整合自回归语言模型与校正流技术，在单一模型中实现图像理解和生成。框架基于解耦的视觉编码器和表示对齐策略，提升模型在不同任务上的性能，在多个标准基准测试中显示出与专业模型相当或更优的结果，在视觉理解上，超过了LLaVA-v1 5、Qwen-VL-Chat，在图像生成上，超过Stable Diffusion v1 5、SDXL。
2025-01-21 15:42:43
SWE-Kit – 构建自定义软件工程AI代理的开源框架
SWE-Kit 是Composio 推出的开源框架， 简化软件工程 AI 代理的开发过程。SWE-Kit提供无头 IDE 环境和 AI 原生工具，用于构建自定义编码代理，支持与多种代理框架和大型语言模型集成，降低构建复杂 AI 代理的门槛。SWE-Kit 集成文件操作、代码分析、shell 命令执行等功能，提高开发效率、提供高度的可定制性，是现代 AI 辅助软件开发的领先工具。
2025-01-21 15:21:16
Text Behind Image – 开源在线图像处理工具，在图中角色背后添加文字
Text Behind Image是开源的在线工具，支持用户在图片中的角色背后添加文字，创建具有视觉冲击力的海报和社交媒体图像。用户在图像中的主体背后添加自定义文本，并提供文字、字体、颜色、位置、粗细、不透明度、旋转和重复等多种自定义选项。工具是16岁的开发者Rexan Wong推出的，代码完全公开在 GitHub 上。
2025-01-21 14:59:39
云锦天章 – 彩云科技推出的基于DCFormer架构通用大模型
云锦天章是彩云科技推出的基于DCFormer架构的通用大模型，DCFormer在性能上实现对传统Transformer模型1 7-2倍的提升。云锦天章在虚构的世界观基础上赋予小说人物编程、数学等基础能力，实现高速的文字扩写、缩写和风格变换，具备问答、数学、编程等基础能力。
2025-01-21 14:29:44
MikuDance – 混合动力动画生成技术，将静态图像生成动态风格化的角色艺术
MikuDance是基于扩散模型的动画生成技术，整合混合运动动力学来动画化风格化的角色艺术。MikuDance基于混合运动建模和混合控制扩散技术，解决高动态运动和参考引导错位问题，能显式建模动态相机和角色运动，隐式对齐角色形状、姿势和比例，实现连贯的运动控制。
2025-01-21 14:06:41
MATRIX-Gen – 上海交大联合牛津大学推出的多智能体模拟系统
MATRIX-Gen是上海交通大学和牛津大学研究团队推出的多智能体模拟系统，基于模拟1000多个具有独立身份和人格的AI智能体组成的社会，生成多样化且高质量的训练指令数据。训练指令数据用在大型语言模型（LLMs）的后训练，提升模型遵循人类指令的能力，在多个任务中展现出优异的性能。
2025-01-21 13:38:56
BodyTalk – AI视频配音工具，自动适配新语音的唇形、面部表情和肢体动作
BodyTalk是Panjaya推出的AI视频配音工具，基于生成性AI技术，将视频中的人物声音转换为其他语言，自动调整视频中人物的面部表情和肢体动作，自然地匹配新的语音模式。工具结合音频翻译、声音模仿和视频编辑技术，支持29种语言的翻译，提供自动化处理和编辑功能。
2025-01-21 13:16:28
Windsurf – Codeium公司推出的AI编程工具
Windsurf 是Codeium公司推出的AI编程工具，具备实时协作功能，支持多系统，提供了强大的上下文感知能力。Windsurf融合了协作式 Copilots 和独立操作的 Agents，创造出一种名为“Flow”的新型协作智能体，能够深入理解代码库并实时响应开发者的操作。通过新功能 Cascade ，Windsurf 不仅优化了聊天交互，还支持用户自由无限制地访问AI编程辅助，提升编程效率，与市场上的Cursor等工具形成有力竞争。
2025-01-21 12:47:56
OmniParse – AI数据解析平台，提取和解析任何非结构化数据
OmniParse是数据解析平台，将非结构化数据转换为结构化、可操作的数据，优化适用于GenAI（大型语言模型）应用。OmniParse支持约20种文件类型，包括文档、表格、图像、视频、音频和网页，提供表格提取、图像字幕、音视频转录等功能，基于Docker和Skypilot轻松部署，用Gradio支持的交互式UI。
2025-01-21 12:24:07
人气排行
24小时排行
