-
HoloPart – 港大联合 VAST 开源生成完整可编辑部件的 3D 模型
HoloPart项目简介 HoloPart 是香港大学、VAST 团队推出的新型扩散模型，支持将 3D 物体分解为完整、可编辑的语义部件，即使部件被遮挡。HoloPar基于两阶段方法，用局部注意力和全局上下文注意力机制，确保零件的细节和整体形状的一致性。HoloPart 在 ABO 和 PartObjaverse-Tiny 数据集上的表现显著优于现有方法，为几何编辑、材质编辑和动画制作等下游应用提…- 2
-
快手版Sora「可灵」开放测试：生成超120s视频，更懂物理，复杂运动也能精准建模
什么?疯狂动物城被国产AI搬进现实了? 可灵AI 与视频一同曝光的，是一款名为「可灵」全新国产视频生成大模型。 它采用了Sora相似的技术路线，结合多项自研技术创新，生成的视频不仅运动幅度大且合理，还能模拟物理世界特性，具备强大的概念组合能力和想象力。 数据上看，可灵支持生成长达2分钟的30fps的超长视频，分辨率高达1080p，且支持多种宽高比。 另外再划个重点，可灵不是实验室放出的Demo或者…- 4
-
Stable Diffusion最新模型Recolor用AI给老照片上色,修复上世纪老照片
在最近新上线的controlnet模型中，除了我们之前测试过的一众适配sdxl的模型以外，还增加了一款名为Recolor的新模型，它的作用是可以将黑白的图片进行重新上色。 看到这个功能，我首先想到的就是可以用它来修复那些已经年代久远的老照片。毕竟在以前那个年代，没有现在这种可以永远保存的数码拍照技术，很多洗出来的照片也都随着岁月的流逝而褪去了色彩。如果能用AI技术恢复这些往日的时光，也许能唤醒我们…- 0
-
OpenBioMed – 清华AIR联合水木分子推出的开源Agent平台
OpenBioMed项目简介 OpenBioMed 是清华大学智能产业研究院（AIR）和水木分子共同推出的开源平台，专注于 AI 驱动的生物医学研究。是多模态表征学习工具包，能处理分子、蛋白质、单细胞等多种生物医学数据。平台提供 20 多种工具和深度学习模型，如 BioMedGPT 系列，支持从传统药物发现任务到多模态挑战的广泛应用。 OpenBioMed优势介绍 多模态数据支持：支持小分子、蛋白…- 3
-
MMAudio – 基于多模态联合训练实现高质量 AI 音频合成项目
MMAudio项目简介 MMAudio是先进视频到音频合成技术，基于多模态联合训练，让模型能在广泛的视听和音频文本数据集上进行训练。技术的核心是同步模块，确保生成的音频与视频帧精确匹配，实现高度同步。MMAudio适用于多种应用场景，包括影视制作和游戏开发，根据视频内容或文本描述生成相应的音频，提升用户体验。 MMAudio优势介绍 视频到音频合成：根据视频内容生成相应的音频，让视频和音频同步。 …- 2
-
NMT – 阿里联合 UC Berkeley 推出的多任务学习框架
NMT项目简介 NMT（No More Tuning）是UC Berkeley和阿里巴巴集团联合推出的多任务学习框架，能解决多任务学习中不同任务优先级优化的问题。NMT将多任务学习问题转化为约束优化问题，将高优先级任务的性能作为约束条件，在优化低优先级任务时保持高优先级任务的性能。NMT基于拉格朗日微分乘数法，将约束问题转化为无约束问题，并用梯度下降法求解，避免传统方法中复杂的超参数调整过程。NM…- 1
-
Ruyi – 图森未来推出的图生视频大模型
Ruyi项目简介 Ruyi是图森未来推出的图生视频大模型，专为在消费级显卡上运行设计，支持多分辨率、多时长视频生成，具备首帧、首尾帧控制、运动幅度控制和镜头控制等特性。Ruyi基于DiT架构，由Casual VAE模块和Diffusion Transformer组成，用在视频数据压缩和生成。Ruyi能降低动漫和游戏内容的开发周期和成本，是ACG爱好者和创作者的理想工具。目前图森未来将Ruyi-Mi…- 3
-
Whisper Input – 开源AI语音输入工具，支持多语言实时转录和翻译
Whisper Input项目简介 Whisper Input 是开源的语音输入工具，基于 Python 和 OpenAI 的 Whisper 模型开发。通过简单的快捷键操作（如按下 Option 键开始录音，松开结束录音），实现语音的实时转录和翻译。项目支持多语言语音输入，可将中文翻译为英文，适合多种语言环境的用户。 Whisper Input优势介绍 实时语音转录：通过简单的快捷键操作（如按下…- 0