Video Video-LLaVA2是一款由北京大学ChatLaw课题组开发的开源多模态智能理解系统。该系统通过时空卷积（STC）连接器和音频分支，显著提升了视频和音频的理解能力。其主要功能包括视频理解、音频理解、多模态交互、视频问答和视频字幕生成。时空建模和双分支框架是其核心技术原理。Video-LLaVA2广泛应用于视频内容分析、视频字幕生成、视频问答系统、视频搜索和检索、视频监控分析及自动驾驶等领域。 AI项目与工具 2025年06月12日 50 点赞 0 评论 673 浏览
Fugatto Fugatto是一款由英伟达开发的音频合成与转换模型，利用增强型Transformer架构实现了从文本到音频的高效转化。它支持多种音频生成任务，如音乐创作、声音效果设计及语音合成，并可通过ComposableART技术实现对声音属性的精细调控。此外，Fugatto擅长生成动态变化的声音景观，广泛应用于音乐创作、声音设计及广告音频制作等领域。 AI项目与工具 2025年06月12日 44 点赞 0 评论 673 浏览
AI生意助手2.0 AI生意助手2.0是一款专为中小企业设计的全流程AI外贸工具，包含商品发布、客户接待、营销推广及合规风险管理四大核心功能。它能自动生成商品链接、实时回复买家咨询、智能匹配市场推广需求，并提供风险预警与解决方案，助力企业高效管理国际贸易，降低运营成本，提升市场竞争力。 AI项目与工具 2025年06月12日 91 点赞 0 评论 673 浏览
万彩商图 万彩商图是一款基于AI技术的图像处理工具，为电商行业提供商品背景替换、模特图生成、批量抠图、高清修复及无损放大等功能。它能够显著提升图片生产效率，优化电商视觉体验，适用于商品展示、广告制作及社交媒体推广等多个场景。 AI项目与工具 2025年06月12日 39 点赞 0 评论 673 浏览
DistriFusion DistriFusion是一个专为加速高分辨率扩散模型在多GPU环境中生成图像的分布式并行推理框架。通过将图像分割成多个小块并分配至不同设备上进行独立处理，它能够在不增加额外训练负担的情况下，将推理速度提升高达六倍，同时保持图像质量。其技术原理包括Patch Parallelism（分片并行）、异步通信、位移补丁并行性等，适用于多种现有的扩散模型。应用场景包括AI艺术创作、游戏和电影制作、VR/A AI项目与工具 2025年06月12日 50 点赞 0 评论 673 浏览
MoMask MoMask是一款基于生成式掩码建模的3D人体动作生成工具，支持文本驱动的动作创建与编辑。采用分层量化与Transformer架构，实现高精度、连贯的3D动作序列生成，在HumanML3D数据集上的FID值仅为0.045。支持动作时序控制、多平台部署及动作评估功能，适用于游戏开发、动画制作、VR及体育分析等多个领域。 AI项目与工具 2025年06月12日 19 点赞 0 评论 672 浏览
rtrvr.ai rtrvr.ai 是一款基于自然语言交互的 AI 浏览器扩展工具，支持网页自动化操作、多标签页任务处理及数据提取导出功能。用户可通过指令完成表单填写、信息对比、图表生成等任务，同时支持与 Google Sheets 和 Slack 等工具集成，提升工作效率。该工具注重数据安全，采用沙盒技术保障隐私。 AI项目与工具 2025年06月12日 48 点赞 0 评论 672 浏览
QVQ QVQ是一个基于Qwen2-VL-72B的开源多模态推理模型，擅长处理文本、图像等多模态数据，具备强大的视觉理解和复杂问题解决能力。它在数学和科学领域的视觉推理任务中表现出色，但在实际应用中仍需解决语言切换、递归推理及图像细节关注等问题。QVQ可广泛应用于教育、自动驾驶、医疗图像分析、安全监控及客户服务等领域。 AI项目与工具 2025年06月12日 70 点赞 0 评论 672 浏览
DoraCycle DoraCycle是由新加坡国立大学Show Lab开发的一种多模态生成模型，通过文本与图像间的双向循环一致性学习，实现跨模态信息转换与对齐。其核心优势在于无需大量标注数据即可完成领域适应，支持风格化设计、虚拟角色生成等多样化任务。模型采用自监督学习和梯度裁剪等技术提升训练稳定性，适用于广告、教育等多个应用场景。 AI项目与工具 2025年06月12日 19 点赞 0 评论 672 浏览
MAETok MAETok是一种基于掩码建模的图像标记化方法，通过自编码器结构学习更具语义丰富性的潜在空间，提升图像生成质量与训练效率。它支持高分辨率图像生成，具备多特征预测能力和灵活的潜在空间设计，适用于娱乐、数字营销、计算机视觉等多个领域。实验表明其在ImageNet数据集上表现优异。 AI项目与工具 2025年06月12日 67 点赞 0 评论 672 浏览
