Ai项目

ImageRAG是什么 ImageRAG 是基于检索增强生成（Retrieval-Augmented Generation, RAG）的图像生成技术，通过动态检索相关图像来提升文本到图像（T2I）模型...

X-R1是什么 X-R1是基于强化学习的低成本训练框架，能加速大规模语言模型的后训练（Scaling Post-Training）开发。X-R1用极低的成本训练0.5B（5亿参数）规模的R1-Zero...

Step-Video-T2V是什么 Step-Video-T2V 是阶跃星辰团队推出的开源文本到视频预训练模型，拥有 300 亿参数，能生成长达 204 帧的高质量视频。模型基于深度压缩的变分自编码器...

unsloth是什么 unsloth 是开源的大语言模型（LLM）微调工具，基于优化计算步骤和 GPU 内核，显著提升模型训练速度减少内存使用。Unsloth支持多种主流 LLM，如 Llama-3...

Matrix3D是什么 Matrix3D 是南京大学、苹果公司和香港科技大学合作推出的新型的统一摄影测量模型，能在一个模型中完成多个摄影测量子任务，包括姿态估计、深度预测和新视图合成。Matrix3D...

Light-A-Video是什么 Light-A-Video 是上海交通大学、中国科学技术大学、香港中文大学、香港科技大学、斯坦福大学及上海AI实验室的共同推出的无需训练的视频重照明方法，基于渐进式光...

Finedefics是什么 Finedefics 是北京大学彭宇新教授团队推出的细粒度多模态大模型，提升多模态大语言模型（MLLMs）在细粒度视觉识别（FGVR）任务中的表现。模型通过引入对象的细粒度...

Step-Audio是什么 Step-Audio是阶跃星辰团队推出的首个产品级的开源语音交互模型，能根据不同的场景需求生成情绪、方言、语种、歌声和个性化风格的表达，能和用户自然地进行高质量对话。Ste...

SkyReels-V1是什么 SkyReels-V1是昆仑万维开源的首个面向AI短剧创作的视频生成模型。基于在千万级高质量影视数据上进行微调，实现影视级的人物微表情和肢体动作生成，支持33种细腻表情与...

LangFlow是什么 LangFlow 是低代码、可视化的 AI 应用构建工具，用于快速搭建和实验 LangChain 流水线。通过拖拽式界面，用户能轻松创建复杂的 AI 工作流，无需编写大量代码...