Al項目
AI工具集介紹和收錄了當前流行的AI研究項目和框架，緊跟最新AI領域的進展，解讀AI研究論文和方法框架，幫你快速了解這些項目的工作原理。
149℃Real-IAD 大規模工業異常檢測數據集
本文介紹了騰訊優圖發布的 Real-IAD 大規模工業異常檢測數據集。闡述了該數據集規模龐大，具有豐富的多樣性、全面的異常類型覆蓋、高精度和真實性等特點，涵蓋了 30 類真實產線物料、150K 數據等。還提到了騰訊優圖在深
97℃半導體行業專用 LLM 模型：Semikong
Semikong 是專為半導體行業打造的大型語言模型，它具備深度的行業知識，能精準預測技術趨勢，高效解決相關問題。其應用涵蓋芯片設計優化、生產流程改進、市場趨勢分析等領域。工作原理基于自然語言處理和深度學習技術，通過
97℃Fireworks AI 復合式AI模型F1：智能科技全解析
Fireworks AI 復合式 AI 模型 F1 引領智能潮流。它具創新復合架構，多模態數據處理能力強，可精準解析文本、圖像、音頻等。在多領域應用廣泛，能輔助創作、服務、診斷、分析等。優勢突出，高精度且自適應學習，推動各行業智能
207℃《百度 "秒噠"—— 開啟無代碼編程新時代》
“秒噠” 是百度在 2024 年 11 月 12 日百度世界大會上推出的一款創新無代碼工具135。它是由大模型和智能體組成的軟件，旨在讓非程序員群體也能夠輕松開發應用程序，無需懂代碼和寫代碼，僅通過一句話就能生成軟件應用。
157℃百度檢索增強的文生圖技術（iRAG）
百度檢索增強的文生圖技術（iRAG）是百度在 2024 年 11 月 12 日百度世界大會上推出的一項創新技術126。它將百度搜索的億級圖片資源與強大的基礎模型能力相結合，旨在解決大模型在圖片生成上的 “幻覺問題”，生成各種超真實
191℃字節跳動圖像編輯模型 SeedEdit：革新圖像編輯的智能之選
SeedEdit 是字節跳動研發的一款通用圖像編輯模型。它于 2024 年 11 月 11 日由字節跳動豆包大模型團隊推出，旨在為用戶提供一種全新的、智能化的圖像編輯體驗
214℃LM Studio – 開源、傻瓜、一站式部署本地大模型 (LLM) 的應用平臺
LM Studio是什么LM Studio 是一個本地大語言模型 (LLM) 應用平臺，開源、傻瓜、一站式部署本地大模型。包括但不限于Llama、MPT、Gemma等，LM Studio 提供了一個圖形用戶界面（GUI），即使是非技術人員...
83℃edge-tts – 開源的AI文字轉語音項目
edge-tts是什么edge-tts是開源的AI文字轉語音項目，支持超過40種語言和300多種聲音。edge-tts利用微軟Azure Cognitive Services的強大功能，能將文本信息轉換成流暢自然的語音輸出。edge-tt...
80℃LLaVA-OneVision – 字節跳動推出的開源多模態AI模型
LLaVA-OneVision是什么LLaVA-OneVision是字節跳動推出開源的多模態AI模型，LLaVA-OneVision通過整合數據、模型和視覺表示的見解，能同時處理單圖像、多圖像和視頻場景下的計算機視覺任務。LLaVA-On...
73℃MUMU – 文本和圖像驅動的多模態生成模型
MUMU是什么MUMU是一種多模態圖像生成模型，通過結合文本提示和參考圖像來生成目標圖像，從而提高生成的準確率和質量。MUMU模型的架構基于SDXL的預訓練卷積UNet，采用了視覺語言模型Idefics2的隱藏狀態構建。模型在訓練時使
70℃Video-LLaVA2 – ChatLaw推出的開源多模態智能理解系統
Video-LLaVA2是什么Video-LLaVA2是由北京大學ChatLaw課題組推出的開源多模態智能理解系統，通過創新的時空卷積（STC）連接器和音頻分支，提升了視頻和音頻理解能力。模型在視頻問答和字幕生成等多個基準測試中表現出色，...
104℃HMoE – 騰訊混元團隊提出的新型神經網絡架構
HMoE是什么HMoE（混合異構專家模型）是騰訊混元團隊提出的新型神經網絡架構，旨在提升大型語言模型的性能和計算效率。通過引入不同尺寸的專家來處理不同復雜性的輸入數據，從而增強模型的專業化程度。HMoE采用新的訓練目標和
120℃LitServe – 基于FastAPI的高性能AI模型部署引擎
LitServe是什么LitServe是基于FastAPI的高性能AI模型部署引擎，專為企業級AI服務設計。支持批處理、流式處理和GPU自動擴展，簡化了模型部署流程。LitServe易于安裝和使用，通過pip即可安裝，提供靈活的API定義...
78℃CustomCrafter – 騰訊聯合浙大推出的自定義視頻生成框架
CustomCrafter是什么CustomCrafter 是騰訊和浙江大學聯合提出的自定義視頻生成框架，能基于文本提示和參考圖像生成高質量的個性化視頻，同時保留了運動生成和概念組合的能力。CustomCrafter通過設計一系列靈活的模...
106℃LeRobot – HuggingFace推出的開源AI聊天機器人項目
LeRobot是什么LeRobot是由HuggingFace推出的開源AI聊天機器人項目，由前特斯拉研究員Remi Cadene領導開發。LeRobot致力于降低機器人技術的入門門檻，提供預訓練模型、數據集和模擬環境，支持模仿學習和強化學...
82℃LongVILA – 面向長視頻理解的視覺語言AI模型
LongVILA是什么LongVILA是一個面向長視頻理解的視覺語言AI模型，由英偉達、MIT、UC 伯克利、得克薩斯大學奧斯汀分校共同開發。通過算法和系統的共同設計，實現了在大量GPU上進行超長上下文長度訓練的能力，無需梯度檢查點
106℃EasyOCR – 支持超80種語言的開源OCR項目
EasyOCR是什么EasyOCR 是一個功能強大的開源OCR（光學字符識別）項目，支持80多種語言和多種書寫系統，包括中文、阿拉伯文和西里爾文。基于深度學習技術，提供高精度的文字識別能力。用戶可以通過簡單的API輕松地將圖像中的文
108℃OmniCorpus – 百億級多模態數據集，支持中英雙語
OmniCorpus是什么OmniCorpus是一個大規模多模態數據集，包含86億張圖像和16960億個文本標記，支持中英雙語。由上海人工智能實驗室聯合多所知名高校及研究機構共同構建。OmniCorpus通過整合來自網站和視頻平臺的文本和...
86℃LTM-2-mini – Magic公司推出的支持1億token上下文AI模型
LTM-2-mini是什么LTM-2-mini是Magic公司推出的支持1億token上下文AI模型，能處理相當于1000萬行代碼或750本小說的內容。LTM-2-mini采用序列維度算法，計算效率比Llama 3.1 405B的注意力機...
118℃STranslate – 多功能免費AI翻譯工具，支持離線OCR識別
STranslate是什么STranslate是專為Windows用戶設計的多功能翻譯和OCR工具。支持多種語言翻譯，具備劃詞、截圖、監聽剪貼板等多種翻譯方式，并提供多家翻譯服務接口。還擁有基于PaddleOCR的離線OCR功能，支持中文...
106℃GPTEngineer – 文本驅動生成Web網頁的開源工具，AI自動寫代碼
GPTEngineer是什么GPTEngineer 是一個基于 AI 技術通過簡單的文本提示快速生成網頁應用原型的開源工具。用戶只需描述需求，AI 能自動編寫并執行代碼，支持與 GitHub 同步和一鍵部署。GPTEngineer底層使用...
106℃VectorVein – 開源的無代碼AI工作流工具，簡單拖拽定制AI應用
VectorVein是什么VectorVein 是一款開源的無代碼AI工作流工具，通過簡化的拖拽操作，讓用戶無需編程知識即可構建智能工作流，實現日常任務的自動化。VectorVein支持數據處理、分析和知識管理等多種應用場景，具備無代碼、...
81℃OpenCity – AI交通預測模型，卓越的零樣本預測和情境適應能力
OpenCity是什么OpenCity是由香港大學聯合華南理工大學和百度共同研發的交通預測模型。OpenCity采用Transformer架構和圖神經網絡，通過大規模預訓練學習交通數據的時空依賴關系，具備卓越的零樣本預測能力和快速情境適應.
83℃PGTFormer – 先進的AI視頻人臉修復框架
PGTFormer是什么PGTFormer是先進的視頻人臉修復框架，通過解析引導的時間一致性變換器來恢復視頻中的高保真細節，同時增強時間連貫性。該方法無需預對齊，基于語義解析選擇最佳人臉先驗，并通過時空Transformer模塊和時序保
79℃Eagle – 英偉達推出的多模態大模型，擅長高分辨率圖像處理
Eagle是什么Eagle是英偉達推出的多模態大模型，擅長處理高達1024×1024像素的圖像，顯著提升視覺問答和文檔理解能力。Eagle模型采用多專家視覺編碼器架構，通過簡單高效的特征融合策略，實現對圖像內容的深入理解。Eagle模型
奇想AI導航網收錄了國內外數百個不同類型的AI工具，每日更新和添加最新AI工具，奇想AI導航網還推薦了AI學習開發的常用網站、框架和模型，幫助你加入人工智能浪潮，自動化高效完成任務！
Ctrl + D 或 ? + D 收藏本站到瀏覽器書簽欄。