深度学习

1. 首页
2. 深度学习

Gemini 2.0

Gemini 2.0 是谷歌推出的原生多模态AI模型，具备快速处理文本、音频和图像的能力，支持多语言输出和实时音视频流输入。通过Agent技术和工具调用，Gemini 2.0 能够自主理解任务并提供解决方案，已在编程、数据分析、游戏等领域展示应用潜力。目前提供免费试用，计划逐步开放更多功能。

AI项目与工具 2025年06月12日 63 点赞 0 评论 428 浏览

触站AI | P站

触站AI（P站画师通）是国内专业的AI绘画网站平台，结合了Midjourney、Stable Diffusion、NovelAI、Dalle等主流AI插画绘图APP、软件模型技术，是专业的免费AI作图工具和AI作画自动生成器。

Ai绘画生成 2025年06月05日 88 点赞 0 评论 427 浏览

LongLLaVA

LongLLaVA是由香港中文大学（深圳）研究团队开发的多模态大型语言模型，结合Mamba和Transformer模块，利用2D池化技术压缩图像token，大幅提升处理大规模图像数据的效率。该模型在视频理解、高分辨率图像分析及多模态代理任务中表现优异，特别擅长检索、计数和排序任务。其技术亮点包括渐进式训练策略和混合架构优化，支持多种多模态输入处理，广泛应用于视频分析、医学影像诊断、环境监测等领域。

AI项目与工具 2025年06月12日 67 点赞 0 评论 426 浏览

PDFMathTranslate

PDFMathTranslate是一款专注于科技文档翻译的开源工具，能够精准保留PDF文档的排版格式，包括公式、图表和目录结构。支持双语对照查看，兼容多种翻译服务，可实现全文或局部翻译，适用于学术研究、教育、技术文档、法律文件等多个领域。

AI项目与工具 2025年06月12日 85 点赞 0 评论 426 浏览

CogVideoX

CogVideoX是由智谱AI开发的开源AI视频生成模型，支持英文提示词生成6秒长、每秒8帧、分辨率为720x480的视频。它具备低显存需求、视频参数定制、3D Causal VAE技术和推理与微调功能。该模型采用基于Transformer的架构和3D Causal Variational Autoencoder技术，支持多阶段训练和自动及人工评估，适用于创意视频制作、教育材料、广告、游戏、电影编

AI项目与工具 2025年06月12日 55 点赞 0 评论 425 浏览

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。

AI项目与工具 2025年06月11日 59 点赞 0 评论 425 浏览

AnyCharV

AnyCharV是一款由多所高校联合研发的角色可控视频生成框架，能够将任意角色图像与目标场景结合，生成高质量视频。它采用两阶段训练策略，确保角色细节的高保真保留，并支持复杂的人-物交互和背景融合。该工具兼容多种文本生成模型，具备良好的泛化能力，适用于影视制作、艺术创作、虚拟现实等多个领域。

AI项目与工具 2025年06月12日 73 点赞 0 评论 424 浏览

OMNE Multiagent

OMNE Multiagent是一个基于长期记忆技术的大模型多智能体框架，由天桥脑科学研究院开发。它支持多个智能体协同工作，每个智能体能独立学习和理解环境，具备深度慢思考和实时适应能力。OMNE框架通过优化搜索空间和逻辑推理机制，提升了复杂问题的决策效率，并在金融、交通、制造、医疗等领域展现出广泛应用潜力。

AI项目与工具 2025年06月12日 40 点赞 0 评论 423 浏览

TextDiffuser-2

一个功能强大的图像生成工具，它通过扩散模型技术，根据文本描述生成高质量的图像。这个工具为用户提供了一种创新的方式来探索和实现他们的创意视觉概念。

Ai平台模型 1970年01月01日 0 点赞 0 评论 423 浏览

清图

清图 - 模糊图片秒变清晰，一个基于深度学习技术的在线图像处理平台

图片处理 1970年01月01日 0 点赞 0 评论 423 浏览