AI项目与工具

SwiftEdit

SwiftEdit是一款基于文本引导的图像编辑框架,利用一步反演技术和掩码引导编辑技术,可在极短时间内实现高质量图像编辑,同时保持背景元素完整。它支持快速文本引导编辑、一步反演框架及自引导编辑掩码提取,并具备灵活的注意力重缩放机制,广泛应用于社交媒体、广告营销、新闻媒体、艺术创作和电子商务等领域。

咔哒

咔哒是一款基于AI技术的图片处理工具,具备场景识别、滤镜匹配、美颜修图和高级特效等功能,适用于日常拍照、社交媒体分享、专业摄影后期及创意设计等多个场景,旨在通过智能化手段快速提升照片质量并增强视觉效果。

DynaMem

DynaMem是一款由纽约大学与Hello Robot共同研发的动态空间语义记忆系统,旨在应对开放环境下的移动操作挑战。该系统通过构建特征点云来存储环境信息,并利用RGBD观测数据动态调整记忆库。它支持文本查询定位物体,同时具备强大的动态物体处理能力,广泛应用于家庭、工业、仓储管理以及灾难救援等多个领域。

Agentar

Agentar是蚂蚁数科推出的智能体开发平台,面向金融机构提供一站式AI开发工具。平台基于大量金融数据与AI技术,支持零代码、低代码开发,具备高安全性与合规性。其核心功能涵盖可信智能体技术、高质量知识库、可视化编排及丰富服务组件,适用于智能投研、客服、风控、营销与合规管理等场景,助力金融机构提升决策效率与智能化水平。

TANGLED

TANGLED是一种3D发型生成技术,可从多种风格和视角的图像中生成高质量发丝。其核心技术包括多视图线稿扩散框架与参数化后处理模块,支持复杂发型的细节修复。该工具具备文化包容性,适用于动画、AR及虚拟试妆等场景,提升发型设计效率与真实性。

LeviTor

LeviTor是一款由多所高校和企业联合研发的图像到视频合成工具,它利用深度信息和K-means聚类点来控制视频中3D物体的轨迹,无需显式3D轨迹跟踪。通过高质量视频对象分割数据集训练,该工具能精准捕捉物体运动与交互,支持用户通过简单的2D图像操作实现复杂的3D效果,大幅降低了技术门槛,广泛应用于电影特效、游戏动画、虚拟现实等领域。

Fast GraphRAG

Fast GraphRAG是微软推出的一款高效知识图谱检索框架,结合了RAG技术和知识图谱,用于提升大型语言模型在处理私有数据和复杂数据集时的表现。它具备可解释性、高精度、动态数据支持及实时更新能力,适用于多种应用场景如智能问答、企业知识管理、个性化推荐、医疗健康信息检索以及金融分析等领域。

StreamBridge

StreamBridge是一款由苹果与复旦大学联合开发的端侧视频大语言模型框架,支持实时视频流的理解与交互。通过内存缓冲区和轮次衰减压缩策略,实现长上下文处理与主动响应。项目配套发布Stream-IT数据集,包含60万样本,适用于多种视频理解任务,展现出在视频交互、自动驾驶、智能监控等领域的应用前景。

Agent TARS

Agent TARS 是字节跳动推出的开源多模态 AI 代理工具,支持浏览器、命令行和文件系统的集成,实现复杂任务的自动化执行。其核心功能包括代理工作流、数据处理、代码生成与解释等。基于事件流和模型上下文协议(MCP),Agent TARS 能高效分解任务并实时反馈结果,适用于网页自动化、任务管理、数据分析和代码辅助等多种场景。目前支持 macOS 平台,处于技术预览阶段。

presti

Presti是一款基于生成式AI技术开发的家具行业产品摄影解决方案,能够将单一产品图像转化为逼真的生活场景照片,显著降低摄影成本并提高效率。它支持用户添加配饰、更换材质及背景生成,广泛应用于家具展示、虚拟摄影、室内设计和电子商务等领域。