深度学习

DAM

DAM-3B是英伟达开发的多模态大语言模型,专用于图像和视频中特定区域的详细描述。支持点、边界框、涂鸦或掩码等方式指定目标区域,生成精准文本描述。其核心技术包括焦点提示与局部视觉骨干网络,有效融合全局与局部特征。DAM-3B-Video版本扩展至视频处理,适用于动态场景。模型基于Transformer架构,支持多模态输入,广泛应用于内容创作、智能交互及无障碍工具等领域。

Web2GPT

Web2GPT 是一款由长亭科技推出的智能工具,可将传统网站快速转化为功能完善的 AI 应用。它支持自然语言交互、多轮对话和个性化服务,具备强大的安全性和多平台集成能力。用户可通过一键转化、智能问答、智能操作等功能快速部署 AI 助手,广泛应用于客服、教育、金融等领域。工具支持自动学习、内容采集与知识库构建,简化了 AI 应用的开发流程,提升了用户体验和运营效率。

Eagle 2.5

Eagle 2.5 是一款由英伟达开发的视觉语言模型,专注于长上下文多模态学习,具备处理高分辨率图像和长视频序列的能力。其参数规模为 8B,但性能接近更大模型。采用信息优先采样和渐进式后训练策略,提升模型稳定性与适应性。支持多样任务,适用于视频分析、图像处理、内容创作及教育等多个领域。

Miras

Miras是由谷歌开发的深度学习框架,专注于序列建模任务。它基于关联记忆和注意力偏差机制,整合多种序列模型并支持新型模型设计。Miras通过保留门机制优化记忆管理,提升模型在长序列任务中的表现,适用于语言建模、常识推理、长文本处理及多模态任务,具有高效且灵活的架构优势。

Infinite Mobility

Infinite Mobility是由上海AI Lab开发的交互式物体生成模型,基于程序化技术快速生成高质量、多样化的可交互物体,支持22类常见物体,单次生成仅需1秒,成本低至0.01元。其生成的物体广泛应用于机器人仿真、医疗设备开发、家庭服务机器人等领域,提升虚拟训练的真实性和效率。

SimpleAR

SimpleAR是一款由复旦大学与字节跳动联合研发的纯自回归图像生成模型,采用简洁架构实现高质量图像生成。其通过“预训练-有监督微调-强化学习”三阶段训练方法,提升文本跟随能力与生成效果。支持文本到图像及多模态融合生成,兼容加速技术,推理速度快。适用于创意设计、虚拟场景构建、多模态翻译、AR/VR等多个领域。

Desearch

Desearch是一款面向深度研究与智能分析的平台,提供普通、深度和专家三种研究模式,满足不同场景下的信息获取与分析需求。其核心功能包括智能框架生成、图表可视化、海量案例库及深度内容生成,适用于金融、科技、社会、文化等多个领域。平台能够提升研究效率,支持复杂课题的系统性分析与成果展示。

GigaTok

GigaTok 是一款基于语义正则化的高参数视觉分词器,支持自回归图像生成,具备优异的图像重建与生成能力。通过一维架构和非对称扩展策略,实现高效计算与稳定训练。适用于图像生成、编辑、数据增强及多模态应用,具有广泛的技术拓展性。

MineWorld

MineWorld是由微软研究院开发的基于《我的世界》的实时交互式AI模型,采用视觉-动作自回归Transformer架构,实现高保真、可控性强的场景生成。通过并行解码算法,模型可在每秒4至7帧的速度下实现实时交互,适用于具身智能、强化学习、游戏代理及视频生成等场景。其核心技术包括图像与动作标记器、Transformer解码器以及优化的训练与推理流程。

VeoGo AI

VeoGo AI 是一款基于深度学习的短视频流量预测工具,可提前分析视频表现并提供优化建议,帮助创作者提升曝光与点击率。支持多平台算法适配,涵盖内容结构、画面构图、剪辑节奏、BGM选择等全方位优化指导,预测准确率超92%,适用于短视频创作与效率提升场景。