DisPose – 北大等多所高校推出的增强人物图像控制动画质量的技术
DisPose是什么 DisPose是北京大学、中国科学技术大学、清华大学和香港科技大学的研究团队共同推出的，提高人物图像动画质量的控制技术，基于从骨骼姿态和参考图像中提取有效的控制信号，无需额外的密...
排序
CLEAR – 新加坡国立大学推出的线性注意力机制，生成8K图像时提速6.3倍
CLEAR是什么 CLEAR是新加坡国立大学推出新型线性注意力机制，能提升预训练扩散变换器（DiTs）生成高分辨率图像的效率。基于将每个查询的注意力限制在局部窗口内，CLEAR实现了对图像分辨率的线性...
InvSR – 开源图像超分辨率模型，高清修复老旧照片
InvSR是什么 InvSR是创新的图像超分辨率模型，基于扩散模型的逆过程恢复高分辨率图像。用大型预训练扩散模型中丰富的图像先验，改善超分辨率的效果。InvSR的核心在于深度噪声预测器，预测器能估计出...
HelloMeme – 面部表情与姿态迁移框架，基于Stable Diffusion 1.5模型理解能力
HelloMeme是什么 HelloMeme是基于最新的Diffusion生成技术的框架，实现表情与姿态的迁移，HelloMeme集成空间编织注意力（Spatial Knitting Attentio...
Kheish – 开源的多智能体协调平台，可灵活配置多个Agent解决复杂任务
Kheish是什么 Kheish是基于大型语言模型（LLM）的多智能体编排开源平台，用多个专门的角色（智能体）和灵活的工作流协调复杂任务的各个步骤，如提案生成、审核、验证和格式化，产生高质量结果。平台...
Univer – 开源 AI 办公工具，支持Word、Excel等文档处理全栈解决方案
Univer是什么 Univer是开源的全栈框架，支持创建和编辑电子表格、文档及幻灯片，为用户提供统一且强大的办公解决方案。Univer能在浏览器和Node.js环境中运行，易于集成到各种应用中。Un...
Bamba-9B – 基于 Mamba2 架构的仅解码语言模型
Bamba-9B是什么 Bamba-9B是IBM、普林斯顿大学、卡内基梅隆大学和伊利诺伊大学香槟分校联合推出的，基于Mamba2架构的仅解码语言模型模型。模型在完全开放的数据集上训练，能提高大型语言模...
VSI-Bench – 李飞飞谢赛宁团队推出的视觉空间智能基准测试集
VSI-Bench是什么 VSI-Bench（Visual-Spatial Intelligence Benchmark）是李飞飞、谢赛宁及他们的研究团队推出的视觉空间智能基准测试集，研究者构建用在评...
Baichuan4-Finance – 百川智能推出的全链路金融领域增强大模型
Baichuan4-Finance是什么 Baichuan4-Finance是百川智能推出的全链路金融领域增强大模型，包括Baichuan4-Finance-Base和Baichuan4-Financ...
ERA-42 – 星动纪元推出的端到端原生机器人大模型
ERA-42是什么 ERA-42是北京星动纪元推出的端到端原生机器人大模型，与自研的五指灵巧手星动XHAND1结合，能完成100多种复杂灵巧操作任务。ERA-42无需预编程，具备快速学习新技能的能力...