最新AI教程资讯
BlueLM-V-3B – ViVo联合香港中文大学推出的算法和系统协同设计方法
BlueLM-V-3B是vivo AI Lab和香港中文大学MMLab联合推出的算法和系统协同设计方法，支持高效部署多模态大型语言模型（MLLM）至移动设备。模型以小尺寸（2 7B语言参数和400M视觉参数）、快速度（24 4 token s生成速度）和强性能（OpenCompass基准测试中得分66 1）为特点，基于优化动态分辨率方案和硬件感知部署，提升模型在手机上的推理效率和性能。
2025-01-17 13:31:14
AtomThink – 华为诺亚方舟联合多所高校推出的多模态数学推理框架
AtomThink是中山大学、香港科技大学、上海交通大学、香港大学及华为诺亚方舟实验室的研究人员共同推出的多模态数学推理框架。框架基于构建长链的思维（CoT）引导多模态大型语言模型（MLLMs）进行复杂推理，包含自动CoT注释引擎、原子步骤微调和多种搜索策略。
2025-01-17 13:08:11
DeepSeek-R1-Lite – 深度求索推出的新一代AI推理模型，媲美OpenAI o1-preview
DeepSeek-R1-Lite是DeepSeek推出的推理模型预览版，DeepSeek-R1-Lite用强化学习训练，具备长思维链推理能力，能实时展示推理思考过程，性能在多个基准测试中超越GPT-4等模型。模型在数学、编程和复杂逻辑推理任务上表现出色，提供媲美OpenAI o1-preview的推理效果。DeepSeek-R1-Lite拥有“深度思考”模式，专门针对复杂推理问题设计，展现出更高的效率和准确率。
2025-01-17 12:47:44
Samsung Gauss2 – 三星推出的第二代多模态生成式AI模型
Samsung Gauss2是三星公司推出的第二代多模态生成式AI模型，能提升Galaxy AI功能的性能和效率。Samsung Gauss2能同时处理文本、代码和图像等多种数据类型。Samsung Gauss2分为三个版本：精简版（Compact）、均衡版（Balanced）和至尊版（Supreme），适应不同的计算环境和应用场景。
2025-01-17 12:20:23
AlphaQubit – 谷歌推出的量子错误解码器
AlphaQubit是谷歌推出基于AI技术的量子错误解码器，用深度学习架构Transformers识别和纠正量子计算中的错误。AlphaQubit基于精确的误差识别，助力量子计算机实现长时间、大规模的可靠计算，对于推动量子计算的实用化具有重要意义。
2025-01-17 11:53:44
CAD-MLLM – 上海科技大学联合多机构推出的计算机辅助设计CAD模型生成系统
CAD-MLLM是由上海科技大学、Transcengram、DeepSeek AI和香港大学共同推出的，计算机辅助设计（CAD）模型生成系统，根据用户的多种输入（如文本描述、图像、点云或这些输入的组合）生成参数化的CAD模型。系统用命令序列和大型语言模型（LLMs）对齐和处理多模态数据，构建完整的CAD模型。
2025-01-17 11:28:58
LaTRO – 基于自我奖励提升LLMs复杂推理能力的框架
LaTRO（Latent Reasoning Optimization）是先进的框架，提升大型语言模型（LLMs）在复杂推理任务中的表现。基于将推理过程类比为从潜在分布中采样，用变分推断方法进行优化，LaTRO让模型自我改进，增强生成和评估推理路径的能力。
2025-01-17 11:07:21
ReCapture – 谷歌和新加坡国立大学共同推出的视频处理技术
ReCapture是谷歌和新加坡国立大学推出的视频处理技术，能从单一用户提供的视频中生成具有新相机轨迹的新视频。ReCapture用多视图扩散模型或基于深度的点云渲染生成带有新相机轨迹的噪声锚视频，采用掩码视频微调技术，将锚视频转换成干净、时间一致的重新角度化视频，保留原始视频中的场景运动，从新角度展现场景。
2025-01-17 10:43:26
MagicClay – Adobe 推出的3D建模工具，文本引导3D模型局部雕刻
MagicClay 是 Adobe 推出3D建模工具，结合网格和有向距离场（SDF）技术，支持艺术家基于文本提示对3D模型的特定部分进行雕刻，同时保持模型的其他区域不变。MagicClay 支持生成具有纹理的三维模型，能非破坏性地编辑局部网格，让艺术家用文本提示为基础，对3D模型进行更直观和更精细的编辑。
2025-01-17 10:22:00
StableV2V – 中国科技大学开源的视频编辑项目
StableV2V是中国科技大学推出的开源视频编辑项目，基于文本、草图、图片等输入实现视频中物体的精准编辑和替换。项目用形状一致的编辑范式，基于三个主要组件：Prompted First-frame Editor（PFE）、Iterative Shape Aligner（ISA）和Conditional Image-to-video Generator（CIG），确保编辑内容与原始视频动作和深度信息一致，生成自然流畅的编辑视频。
2025-01-17 09:56:09
Halo – 开源的DIY健康追踪项目，构建私人健康检测应用
Halo是开源的DIY健康追踪项目，基于低成本的智能戒指和开源软件，让用户构建自己的私人健康监测应用。Halo支持活动追踪、心率监测、睡眠分析等功能，且完全尊重用户隐私。基于Halo，用户能深入了解自己的健康数据，享受定制化的健康追踪体验。
2025-01-16 17:59:55
JoyVASA – 京东健康开源的音频驱动的数字人头项目
JoyVASA是京东健康国际公司开源的音频驱动的数字人头项目，基于扩散模型技术，根据音频信号生成与音频同步的面部动态和头部运动。JoyVASA能实现人物的唇形同步和表情控制，还扩展到动物头像的动画生成，在多语种支持和跨物种动画化方面具有广泛的应用潜力。
2025-01-16 17:35:19
TIP-I2V – 超170万大规模真实文本和图像提示数据集
TIP-I2V是大规模真实文本和图像提示数据集，用在图像到视频生成领域。TIP-I2V包含超过170万独特的用户文本和图像提示，及五种SOTA图生视频模型生成的相应视频。数据集能推动更好、更安全的图像到视频模型的发展，帮助研究人员分析用户偏好，评估模型性能，解决图像到视频模型引起的错误信息问题。
2025-01-16 17:06:36
FLUX Tools – 黑森林实验室推出的模型工具套组
FLUX Tools是黑森林实验室推出的一套模型工具，能增强基础文本到图像模型FLUX 1的控制性和可操作性。FLUX Tools包括FLUX 1 Fill（图像修复和扩展）、FLUX 1 Depth（基于深度图的结构引导）、FLUX 1 Canny（基于Canny边缘的结构引导）和FLUX 1 Redux（图像混合和重新创造）。工具基于提供文本描述和掩码，支持用户精确编辑和扩展真实及生成的图像，增强图像变化和重构能力。
2025-01-16 16:40:26
SmoothCache – Roblox 和女王大学推出用于DiT的通用推理加速技术
SmoothCache 是用在Diffusion Transformers （DiT）模型的通用推理加速技术，是 Roblox 和女王大学的研究团队推出。基于分析相邻扩散时间步的层输出相似性，自适应地缓存和重用关键特征，减少计算需求。实验显示，SmoothCache 能实现8%到71%的加速，并保持或提升生成质量，适用于图像、视频和音频等多种模态，有助于推动 DiT 模型在实时应用中的广泛使用。
2025-01-16 16:11:13
AutoConsis – 美团联合复旦大学推出的UI内容一致性AI检测工具
AutoConsis是UI内容一致性智能检测，是美团技术团队与复旦大学联合推出的。工具基于深度学习和大型语言模型自动识别和提取界面中的关键数据，检测并识别数据间的不一致性问题。AutoConsis能提升用户体验，减少因数据展示错误导致的用户困扰，减轻测试人员的工作负担。
2025-01-16 15:43:53
OmniEdit – 滑铁卢大学等机构开源的通用图像编辑模型
OmniEdit是先进的图像编辑技术，通过结合多个专家模型的监督来训练一个通用模型，处理多种图像编辑任务。能处理不同纵横比的图像，七种不同的图像编辑任务，包括对象替换、移除、添加等，支持任意宽高比和分辨率。
2025-01-16 15:20:24
In-Context LoRA – 阿里通义推出的基于DiTs的图像生成框架
In-Context LoRA是阿里巴巴通义实验室推出的基于扩散变换器（DiTs）的图像生成框架，用模型的内在上下文学习能力，最小化调整激活模型的上下文生成能力。这种方法无需修改原始模型架构，只需对训练数据进行微调，就能适应多样的图像生成任务，有效简化训练过程并减少对大量标注数据的依赖，且保持高生成质量。
2025-01-16 14:51:17
Add-it – 英伟达推出无需训练的图像编辑技术
Add-it是NVIDIA推出的无需训练的图像编辑技术，能根据文本指令在图像中添加对象。这项技术基于扩展扩散模型的注意力机制，整合场景图像、文本提示和生成图像的信息，实现结构一致性和自然的对象放置。
2025-01-16 14:26:22
DINO-X – IDEA 研究院推出的通用视觉大模型
DINO-X是IDEA研究院推出的通用视觉大模型，具备开放世界对象检测与理解能力。支持文本、视觉和定制提示，能识别图像中的任何对象而无需用户提示。基于超过1亿样本的Grounding-100M数据集，DINO-X在COCO、LVIS-minival和LVIS-val基准测试中刷新性能记录。模型包含DINO-X Pro和DINO-X Edge两个版本，前者提供强大的感知能力，后者优化推理速度，适合边缘部署。
2025-01-16 14:04:47
人气排行
24小时排行
