传统的3D人体建模方法通常依赖于复杂的手动操作和专业软件，耗时且成本高昂。为了解决这一问题，香港科技大学提出了一种名为PSHuman的新框架，它能够将一张正面的人像照片转化...
2024-12-11
新闻资讯
105
PDFMathTranslate是一款基于深度学习的PDF科学论文翻译工具，旨在为用户提供高效、准确的PDF文档翻译服务。它不仅能够保留原文的排版和格式，包括公式、图表和目录结构，还支...
2024-12-03
新闻资讯
118
FlagEvalMM 是由北京智源人工智能研究院推出的一个开源评估框架，旨在全面评估多模态模型的性能。它提供了一套标准化的方法，用于评估处理多种模态(文本、图像、视频)的模型在...
2024-12-02
新闻资讯
108
Allegro-TI2V是Rhymes AI开发的一款先进文本-图像到视频生成模型。它利用深度学习技术，将用户输入的文本提示和初始图像转化为连续的视频内容。Allegro-TI2V的发布标志着AI技...
2024-11-29
新闻资讯
121
C-AdamW是AdamW优化器的一种改进版本，属于谨慎优化器（Cautious Optimizer）家族的一员。其核心思想是在AdamW的基础上，通过一种简单的修改，使得优化器在参数更新过程中更加...
2024-11-29
新闻资讯
128
OminiControl是一种基于预训练Diffusion Transformer（DiT）模型的高效灵活的图片生成与控制框架。它旨在通过参数复用机制和统一的多模态注意力处理器，将图片条件无缝集成到...
2024-11-27
新闻资讯
158
Fugatto是NVIDIA研究团队精心打造的生成式AI模型，它能够通过文本和音频输入生成各种音乐、声音和语音的组合。Fugatto具有高度的灵活性，可以根据用户的指令创造出全新的音效...
2024-11-26
新闻资讯
132
Marco-o1是阿里巴巴国际数字商业集团MarcoPolo团队研发的一款先进的大型推理模型。该模型基于Qwen2-7B-Instruct架构，通过结合多种先进技术和大量训练数据，旨在解决复杂现实...
2024-11-26
新闻资讯
132
Edify 3D是NVIDIA推出的一款专为高质量3D资产生成而设计的高级解决方案。它融合了先进的扩散模型、Transformer技术以及多视图重建策略，能够在极短的时间内生成具有详细几何形...
2024-11-25
新闻资讯
134
EchoMimicV2是由蚂蚁集团的终端技术部门开发的一款先进的人类动画生成模型。作为EchoMimic系列的最新迭代，V2版本在功能和性能上实现了显著提升，专注于生成高质量的半身人类...
2024-11-25
新闻资讯
174
SPIRIT LM(Spirit Language Model)，由Meta AI团队开发并开源，是一款具有里程碑意义的多模态大语言模型。不同于传统语言模型主要聚焦于单一模态(如纯文本)的处理，SPIRIT LM...
2024-11-22
新闻资讯
122
Whisper-NER是aiOla基于OpenAI的开源语音识别模型Whisper开发的一款高级音频转录模型。它不仅继承了Whisper在多语言、实时处理及高准确度方面的卓越性能，还创新性地加入了敏...
2024-11-21
新闻资讯
144
近日，Kimi智能助手宣布推出了一款全新的数学推理模型——k0-math。它采用了全新的强化学习和思维链推理技术，通过模拟人脑的思考和反思过程，大幅提升了解决数学难题的能力，...
2024-11-19
新闻资讯
146
近日，字节跳动宣布推出两款全新的视频生成模型——PixelDance和Seaweed，并通过其即梦AI平台向公众免费开放使用。这一举措旨在助力设计师、影视制作人员及动画创作者等专业人...
2024-11-18
新闻资讯
138
昆仑万维科技股份有限公司近日宣布，其最新研发的天工大模型4.0O1版(英文名：Skywork O1)将于2024年11月27日正式启动邀请测试。这款模型是国内首款具备中文逻辑推理能力的o1模...
2024-11-18
新闻资讯
122
