最新AI教程资讯
StoryWeaver – 厦大和网易伏羲联合推出的统一故事可视化 AI 模型
StoryWeaver是厦门大学多媒体可信感知与高效计算教育部重点实验室和网易伏羲人工智能实验室推出的AI模型，能用知识增强的故事角色定制实现高质量的故事可视化。StoryWeaver用新颖的知识图谱Character Graph丰富地表示故事中的角色、属性和关系。
2025-04-14 16:55:12
StockMixer – 上海交大推出的股票价格预测架构
StockMixer是上海交通大学推出的用在股票价格预测的多层感知器（MLP）架构，具备简单和强大的预测能力。架构基于指标混合、时间混合和股票混合三个步骤处理和预测股票数据，有效捕捉股票指标、时间和股票间的复杂相关性。
2025-04-14 16:26:59
LaDeCo – 西安交大联合微软推出的自动图形设计构图方法
LaDeCo是西安交通大学和微软研究院联合推出的自动图形设计构图方法，基于将设计任务分解为层次化的步骤来实现。LaDeCo对输入的设计元素进行层规划，将它们分配到不同的语义层，比如背景、底层、图像 标志、文本和装饰。
2025-04-14 16:06:25
SEMIKONG – 专为半导体领域设计的大型语言模型
SEMIKONG是专门为半导体行业定制的大型语言模型（LLM），是Aitomatic、FPT Software和东京电子有限公司联合推出的。基于深入的领域知识，解决半导体制造和设计中的独特挑战，如复杂的物理和化学问题。
2025-04-14 15:38:21
MinT – 生成顺序事件的文本转视频模型，灵活控制时间戳
MinT（Mind the Time）是Snap Research、多伦多大学和向量研究所联合推出的多事件视频生成框架，基于精确的时间控制，根据文本提示生成包含多个事件的视频序列。MinT的核心技术是时间基位置编码（ReRoPE），让模型能将特定的文本提示与视频中的相应时间段关联起来，确保事件按顺序发生，控制每个事件的持续时间。
2025-04-14 15:10:54
Wonderland – 多伦多大学、Snap和UCLA联合推出的单视图3D场景生成技术
Wonderland是多伦多大学、Snap和UCLA的研究团队推出的技术，能够从单张图像生成高质量、广范围的3D场景，允许控制摄像轨迹。证明了三维重建模型可以有效地建立在扩散模型的潜在空间上，实现高效的三维场景生成，是单视图3D场景生成领域的一次突破性进展。
2025-04-14 14:47:27
VersaGen – 实现文本到图像合成中视觉控制能力的生成式 AI 代理
VersaGen是文本到图像合成的生成式AI代理，能实现灵活的视觉控制能力。VersaGen能处理包括单一视觉主体、多个视觉主体、场景背景，这些元素的任意组合在内的多种视觉控制类型。基于在已有的文本主导的扩散模型上训练适配器，VersaGen成功地将视觉信息融入图像生成过程中。
2025-04-14 14:18:50
ILLUME – 华为诺亚方舟实验室推出的统一多模态大模型
ILLUME是华为诺亚方舟实验室提出的统一多模态大模型，将视觉理解与生成能力融入同一框架中。模型以大型语言模型（LLM）为核心，采用“连续图像输入 + 离散图像输出”的架构，融合了多模态理解与生成的双重能力，深度挖掘了统一框架下理解与生成能力协同增强的潜力。
2025-04-14 13:55:13
AIGCPanel- 开源的一站式AI虚拟数字人系统
AIGCPanel是开源AI数字人系统，以简洁易用著称，支持视频合成、声音合成和声音克隆等核心功能。系统基于TypeScript开发，跨平台兼容，遵循AGPL-3 0协议，便于小白用户和专业开发者使用。AIGCPanel用自然流畅的口型匹配、智能音视频同步优化、精准声音克隆和自然语音合成技术，提供沉浸式视觉和听觉体验。
2025-04-14 13:27:08
HuatuoGPT-o1 – 港中文联合深圳大数据研究院开源的医学高级推理大模型
HuatuoGPT-o1是香港中文大学（深圳）和深圳大数据研究院联合推出的，针对医学领域开发的复杂推理模型，基于复杂的推理能力提高解决医学问题的性能。模型用两个阶段的训练方法实现：首先，用医学验证器引导搜索正确的推理路径来微调模型；其次，应用基于验证器反馈的强化学习进一步增强模型的复杂推理能力。
2025-04-14 13:00:08
LangGraph – 基于图结构构建与部署多代理动态工作流的开源框架
LangGraph是为构建状态化、多智能体（Multi-Agent） 系统而设计的，特别是与大型语言模型（LLMs）一起使用时，用在创建代理和多代理工作流。作为 LangChain 生态系统的一部分，LangGraph 是图结构的 Agent 框架。
2025-04-14 12:39:09
R2R – AI 检索增强生成应用开发平台，支持多模态内容处理、混合搜索、知识图谱构建
R2R是先进的AI检索系统，专注于Retrieval-Augmented Generation（增强型检索生成）。R2R集成多模态内容摄取、混合搜索、知识图谱构建、GraphRAG聚类分析、用户和文档管理等核心功能。R2R基于RESTful API提供服务，支持快速部署，支持用户用直观的配置文件和开源React+Next js管理仪表板进行交互。
2025-04-14 12:13:24
Eliza – 开源多功能AI Agent框架，快速搭建智能、高效的AI系统
Eliza 是开源的多代理模拟框架，由 ai16z 开发，旨在创建、部署和管理自主 AI 代理。 以 TypeScript 作为编程语言开发，为构建智能代理提供了一个灵活、可扩展的平台，代理能在多个平台上与人类互动，同时保持一致的个性和知识。
2025-04-14 11:49:23
MagicMirror – 开源的一键 AI 换脸、换发型和穿搭应用
MagicMirror是开源的AI换脸、换发型和穿搭应用，通过深度学习技术让用户能够一键变换形象。应用的特点简单易用、硬件友好、隐私保护和轻量级设计，无需高端GPU，普通电脑即可运行，所有处理完全离线，保护用户隐私。
2025-04-14 11:19:36
PanoDreamer – 单张图像生成连贯360° 3D场景的新方法
PanoDreamer是能够从单张图像生成连贯的360° 3D场景的新方法。这种方法不同于现有技术，它将问题构建为单图像全景和深度估计的两个优化任务，并引入交替最小化策略来有效解决目标。PanoDreamer能生成全景图像及其相应的深度信息，确保整个360°场景的一致性，解决了现有最先进方法在循环回输入图像时可能出现的可见接缝问题。
2025-04-14 10:57:21
VideoMaker – 浙大联合腾讯和华为推出的零样本定制视频生成框架
VideoMaker是浙江大学、腾讯和华为诺亚方舟实验室共同开发的创新项目，基于视频扩散模型（VDM）的零样本定制视频生成框架。与传统方法不同，VideoMaker无需额外模型即可直接从参考图片中提取和注入主题特征，实现个性化视频内容的一键生成。
2025-04-14 10:27:36
TITAN – 哈佛医学院研究推出的多模态全切片病理基础模型
TITAN是哈佛医学院研究团队开发的多模态全切片病理基础模型，通过视觉自监督学习和视觉-语言对齐预训练，能在无需微调或临床标签的情况下提取通用的切片表示，生成病理报告。它使用了335,645张全切片图像（WSIs）以及相应的病理报告，结合了423,122个由多模态生成型AI协作者生成的合成字幕。
2025-04-14 10:04:19
TANGOFLUX – 英伟达联合新加坡科技设计大学开源的文本到音频生成模型
TANGOFLUX是高效的文本到音频生成模型，是新加坡科技设计大学（SUTD）和NVIDIA共同推出的。模型拥有约5 15亿参数，能在单个A40 GPU上仅用3 7秒生成长达30秒的44 1kHz音频。TANGOFLUX用CLAP-Ranked Preference Optimization（CRPO）框架，基于迭代生成和优化偏好数据来提升模型的音频对齐能力。
2025-04-14 09:40:31
MMedAgent – 专为医疗领域设计的多模态AI智能体，管理多种医疗任务
MMedAgent是专为医疗领域设计的多模态AI智能体，通过整合各种开源医疗模型来管理多种医疗任务。系统包括一个指令调整的多模态大型语言模型（MLLM），作为行动规划器和结果聚合器，以及一套为代理量身定制的医疗工具集合，每个工具都针对医疗领域的特定任务。
2025-04-14 09:11:19
VITRON – Skywork AI 联合新加坡国立、南洋理工推出的像素级视觉大型语言模型
VITRON是Skywork AI、新加坡国立大学和南洋理工大学联合推出的像素级视觉大型语言模型（LLM），能全面理解和处理静态图像与动态视频，对图像和视频进行理解、生成、分割和编辑。VITRON结合前端的视觉编码器和后端的视觉专家系统，支持从视觉理解到视觉生成的多种任务。
2025-04-13 15:52:07
人气排行
24小时排行
