最新AI教程资讯
万相2.1 – 通义万相最新推出的视频生成模型
万相2 1是阿里推出的通义万相升级版本。基于自研的高效VAE和DiT架构，增强时空上下文建模能力，支持无限长1080P视频的高效编解码，首次实现中文文字视频生成功能。升级后的通义万相在VBench榜单上荣登第一。万相2 1能稳定展现复杂人物运动，逼真还原现实物理规律，一键生成中英文视频特效，具备强大的影视质感与艺术风格转换能力。
2025-04-10 13:12:47
星火纪要 – 科大讯飞推出的会议交流总结和分析平台
星火纪要是科大讯飞推出的集转录、总结、翻译、分析为一体的音视频处理平台，广泛应用于通用会议、访谈、销售、培训等场景。能帮助个人高效总结会议重点内容，提升工作学习效率；辅助企业从众多会议中洞察趋势与共性问题，进行更准确的组织决策。
2025-04-10 12:47:47
Hallo3 – 复旦联合百度开源的高动态与真实感肖像动画生成框架
Hallo3是复旦大学和百度公司联合推出的，基于扩散变换器网络（Diffusion Transformer Networks）的肖像图像动画技术，能生成高度动态和逼真的视频。Hallo3基于预训练的变换器视频生成模型，有效解决现有方法在处理非正面视角、动态对象渲染和生成沉浸式背景方面的挑战。
2025-04-10 12:24:34
rStar-Math – 微软推出的小模型复杂推理与自进化SLMs的创新技术
rStar-Math是微软亚洲研究院推出的创新研究项目，基于蒙特卡洛树搜索（MCTS）驱动的深度思考，使小型语言模型（SLMs）在数学推理方面达到甚至超越OpenAI大型模型的水平。rStar-Math不依赖于从更高级模型的数据蒸馏，而是用自我进化的深度思考提升模型性能。
2025-04-10 11:56:44
SPAR3D – Stability AI等机构推出的单试图重建 3D 网络模型
SPAR3D是Stability AI和伊利诺伊大学香槟分校推出的，先进的单图生成3D模型方法，能从单张图像中高效重建出高质量的3D对象。SPAR3D基于两阶段设计，第一阶段用点扩散模型生成稀疏的3D点云，第二阶段结合采样的点云和输入图像生成高度详细的网格。SPAR3D结合回归模型和生成模型的优势，能准确重建图像中的可见表面，又能合理生成被遮挡部分的几何和纹理细节。
2025-04-10 11:35:41
Search-o1 – 人大联合清华推出自主知识检索增强的推理框架
Search-o1是中国人民大学和清华大学推出的创新框架，能提升大型推理模型（LRMs）在面对复杂问题时的推理能力。基于整合代理检索增强生成（RAG）机制和Reason-in-Documents模块，让LRMs在推理过程中动态检索外部知识，填补知识空白。
2025-04-10 11:15:07
ConceptMaster – 高保真多概念视频定制生成的创新 AI 框架
ConceptMaster是用于多概念视频定制的创新框架，能在无需测试时调优的情况下，在扩散Transformer模型上生成高质量且概念一致的定制视频。框架通过学习解耦的多概念嵌入并将其独立注入扩散模型中，有效解决了多概念视频定制中的身份解耦问题，面对高度相似的视觉概念，能保证每个概念的保真度。
2025-04-10 10:51:36
日日新融合大模型 – 商汤科技推出的原生融合模态大模型
“日日新”融合大模型（SenseNova）是商汤科技于2025年1月10日正式推出的多模态大模型。模型实现了原生融合模态，深度推理能力与多模态信息处理能力均大幅提升，能处理文本、图像、视频等多种信息，突破了模态之间的限制在SuperCLUE和OpenCompass两大权威评测榜单均夺得第一，成为“双冠王”。
2025-04-10 10:23:56
Agent Laboratory – AMD 联合约翰·霍普金斯大学推出的自主科研 Agent
Agent Laboratory是AMD和约翰·霍普金斯大学推出，基于大型语言模型（LLM）的自主研究框架，能加速科学发现、降低成本并提高研究质量。Agent Laboratory接受人类提供的研究想法，基于文献综述、实验和报告撰写三个阶段，产生全面的研究输出，包括代码库和研究报告。Agent Laboratory支持用户在每个阶段提供反馈和指导，提高研究的整体质量。
2025-04-10 10:01:59
新言意码 – 前月之暗面明超平创立的 AI Coding 项目
新言意码是专注于AI编程应用开发的公司，由前月之暗面海外产品Noisee的明超平创立。公司全称深圳新言意码科技有限公司，成立于2024年9月23日，位于广东省深圳市，主要在其他技术推广服务领域经营。
2025-04-10 09:32:35
PPTAgent – 中科院推出的自动生成高质量演示文稿框架
PPTAgent是中国科学院软件研究所中文信息处理实验室推出的创新框架，基于模仿人类工作流程的两阶段编辑方法，从文档自动生成高质量的演示文稿。PPTAgent分析参考演示文稿，提取结构模式和内容模式，基于代码动作草拟大纲并生成幻灯片，确保内容的一致性和对齐。
2025-04-10 09:05:02
HoloDrive – 商汤联合上海AI Lab等机构推出的2D-3D多模态街道场景生成框架
HoloDrive 是商汤和上海人工智能实验室等机构提出的用于自动驾驶的整体2D-3D多模态街道场景生成框架。框架联合生成相机图像和激光雷达点云，填补自动驾驶中2D-3D多模态联合生成的空白。
2025-04-09 17:27:14
Perception-as-Control – 阿里通义实验室推出的图像动画框架
Perception-as-Control是阿里巴巴通义实验室推出的图像动画框架，能根据用户意图实现细粒度的运动控制。Perception-as-Control基于构建3D感知运动表示，将相机和物体运动转化为直观、一致的视觉变化，用感知结果作为运动控制信号，支持多种与运动相关的视频合成任务。Perception-as-Control框架基于U-Net架构的扩散模型，结合参考图像的外观信息和运动控制信号的运动信息，生成可控的图像动画。
2025-04-09 17:01:27
Motion Dreamer – 香港科技大学推出的运动合理视频生成框架
Motion Dreamer是香港科技大学（广州）研究者提出的视频生成框架，生成运动合理视频。基于两阶段生成方式，先基于输入图像和运动条件生成中间运动表示，再利用该表示生成高细节视频。其引入实例流这一新运动模态，可实现从稀疏到密集的运动控制，用户通过提供稀疏运动提示，模型能生成时间连贯视频。
2025-04-09 16:35:47
Sky-T1 – NovaSky 开源的推理 AI 模型，可从零开始复现该模型
Sky-T1是加州大学伯克利分校Sky Computing实验室的研究团队NovaSky发布的开源推理AI模型，名为Sky-T1-32B-Preview。是首个开源推理模型，训练数据集和代码均已公开，用户可以从零开始复现该模型。
2025-04-09 16:08:24
FaceLift – Adobe 联合加州大学推出的单张图像到 3D 头部模型生成技术
FaceLift是Adobe和加州大学默塞德分校推出的单图像到3D头部模型的转换技术，能从单一的人脸图像中重建出360度的头部模型。FaceLift基于两阶段的流程实现：基于扩散的多视图生成模型从单张人脸图像生成一致的侧面和背面视图；生成的视图被输入到GS-LRM重建器中，产出详细的3D高斯表示。FaceLift能精确保持个体的身份特征，生成具有精细几何和纹理细节的3D头部模型。
2025-04-09 15:48:08
SVFR – 腾讯优图联合厦门大学推出的通用视频人脸修复统一框架
SVFR（Stable Video Face Restoration）是腾讯优图实验室和厦门大学联合推出的用于广义视频人脸修复的统一框架，整合了视频人脸修复（BFR）、着色和修复任务，基于Stable Video Diffusion（SVD）的生成和运动先验，通过统一的人脸修复框架整合特定于任务的信息。
2025-04-09 15:28:00
TimesFM 2.0 – 谷歌研究团队开源的时间序列预测模型
TimesFM 2 0是谷歌研究团队推出的开源时间序列预测模型。具备强大的预测能力，可处理长达2048个时间点的单变量时间序列，支持任意预测时间跨度。模型采用仅解码器架构，结合输入修补和修补掩码技术，实现高效训练与推理，支持零样本预测。预训练数据集丰富，涵盖多个领域，使模型具有良好的泛化能力。
2025-04-09 15:05:40
NeuralSVG – 文本驱动矢量图形生成技术，转化为有层次结构的矢量图形
NeuralSVG是创新的文本驱动矢量图形生成技术。通过一个小型的多层感知器网络，将文本提示转化为具有层次结构的矢量图形。该网络以形状索引为输入，输出形状参数，再经可微渲染器生成像素输出。
2025-04-09 14:35:50
ViTPose – 基于 Transformer 架构的人体姿态估计模型
ViTPose 是基于 Transformer 架构的人体姿态估计模型。以普通视觉 Transformer 作为骨干网络，通过将输入图像切块并送入 Transformer block 来提取特征，再经解码器将特征解码为热图，实现对人体关键点的精准定位。
2025-04-09 14:06:28
人气排行
24小时排行
