AI项目和框架
AI工具集介绍和收录了当前流行的AI研究项目和框架，紧跟最新AI领域的进展，解读AI研究论文和方法框架，帮你快速了解这些项目的工作原理。
EMOVA – 华为诺亚方舟联合多所高校共同推出的多模态全能处理模型
EMOVA（EMotionally Omni-present Voice Assistant）是多模态全能模型，是香港科技大学、香港大学和华为诺亚方舟实验室等机构共同推出的。EMOVA能处理图像、...
AI工具
2年前 (2024)
Proactive Agent – 清华联合面壁智能开源的新一代主动Agent交互范式
Proactive Agent是清华大学联合面壁智能等团队推出的新一代主动Agent交互范式 ，具备主动性，能预测用户需求并在没有直接指令的情况下采取行动。Proactive Ag...
AI工具
2年前 (2024)
iDP3 – 斯坦福大学联合多所高校推出的改进型3D视觉运动策略
iDP3（Improved 3D Diffusion Policy）是斯坦福大学联合多所高校推出的3D视觉运动策略，能提升人形机器人在多样化环境中的自主操作能力。与传统3D策略不同，i...
AI工具
2年前 (2024)
Devika – 开源的AI编程工具，理解和执行复杂的人类指令
Devika是开源的AI编程助手，能理解并拆分复杂指令，基于集成AI搜索和网页浏览能力搜集信息，编写代码实现目标。Devika支持多种AI模型，具备高级规划推理能力...
AI工具
2年前 (2024)
LongLLaVA – 香港中文大学推出的多模态上下文混合架构大语言模型
LongLLaVA是多模态大型语言模型（MLLM），基于混合架构结合Mamba和Transformer模块，能高效处理大量图像，特别擅长视频理解和高分辨率图像分析。LongLLaVA在...
AI工具
2年前 (2024)
Promptriever – 信息检索模型，支持自然语言提示响应用户搜索需求
Promptriever 是约翰斯·霍普金斯大学和Samaya AI联合推出的新型检索模型，能像语言模型一样接受自然语言提示，用直观的方式响应用户的搜索需求。Promptriever...
AI工具
2年前 (2024)
NVLM – 英伟达推出的多模态大型语言模型
NVLM是NVIDIA推出的前沿多模态大型语言模型（LLMs），在视觉-语言任务上达到与顶尖专有模型（如GPT-4o）和开放访问模型（如Llama 3-V 405B和InternVL 2）相匹...
AI工具
2年前 (2024)
ShowUI – 新加坡国立联合微软推出用于 GUI 自动化的视觉-语言-操作模型
ShowUI是新加坡国立大学Show Lab和微软共同推出的视觉-语言-行动模型，能提升图形用户界面（GUI）助手的工作效率。模型基于UI引导的视觉令牌选择减少计算成本...
AI工具
2年前 (2024)
Qwen2vl-Flux – 开源的多模态图像生成模型，支持多种生成模式
Qwen2VL-Flux是多模态图像生成模型，结合Qwen2VL的视觉语言理解和FLUX框架，基于文本提示和图像参考生成高质量的图像。模型支持多种生成模式，包括变体生成、...
AI工具
2年前 (2024)
SAM 2.1 – Meta 开源的视觉分割模型
SAM 2.1（全称Segment Anything Model 2.1）是Meta（Facebook的母公司）推出的先进视觉分割模型，用于图像和视频。基于简单的Transformer架构和流式记忆设计...
AI工具
2年前 (2024)