场景

Large Action Models

Large Action Models(LAMs)是微软开发的一种智能系统框架,专注于执行真实世界任务。它通过整合数据收集、模型训练、环境交互和评估等阶段,将语言理解转化为具体行动,提升了AI在自动化和增强人类能力方面的影响力。LAMs具备动态规划、自主执行和专业化训练等特点,广泛应用于办公自动化、智能家居管理、客户服务、电子商务等领域。 ---

Explorer

Explorer是一款由Odyssey公司研发的生成性世界模型,主要功能包括将图像转换为高质量的3D场景,并支持动态效果生成。它利用高斯溅射技术和先进的图像识别算法,实现逼真的视觉效果。Explorer生成的场景可无缝集成到主流创作软件中,广泛应用于电影、游戏开发、虚拟现实等领域,显著提升内容创作效率。

Klap

Klap是一款利用AI技术的视频编辑工具,主要功能包括将长视频快速转换为适合社交媒体平台的短视频、智能场景分析、自动裁剪与布局优化、多语言字幕生成等。它支持一键分享至各大社交平台,帮助用户提高内容传播效率。适用于个人、品牌及教育机构等多种场景。

Lookie

Lookie是一款基于AI技术的穿搭应用,用户可上传照片创建数字分身,试穿各类潮流服饰,并获取穿搭建议。它拥有丰富的服饰库,支持场景模拟及电商跳转功能,旨在提升用户日常与特殊场合的穿搭体验。

Enhance

Enhance-A-Video是一款由多所顶尖高校联合研发的视频生成增强算法,专注于提升AI生成视频的质量,特别是在对比度、清晰度及细节真实性方面具有显著优势。其核心技术基于时间注意力机制优化,无需额外训练即可高效提升视频效果,适用于视频创作、学术研究、在线平台等多个领域。

MuseGate

MuseGate是一款依托生成式AI技术的电商营销工具,专注于服饰行业。它通过虚拟模特生成、场景定制、尺寸调整等功能,助力企业优化商品展示效果,降低运营成本,提升品牌形象。其核心功能包括虚拟模特生成、一键换装、场景定制、节点营销等,广泛应用于时尚展示、电子商务、广告宣传等领域。

VideoPhy

VideoPhy是一款由UCLA和谷歌研究院联合开发的基准测试工具,旨在评估视频生成模型的物理常识能力。它包含688条描述性字幕,通过人类和自动评估方式,衡量生成视频是否符合物理规则。VideoPhy不仅揭示了现有模型的不足,还推出了自动评估工具VideoCon-Physics,以推动模型性能的提升。其应用场景广泛,包括视频生成模型开发、计算机视觉研究、教育与培训以及娱乐产业等。

AgiBot World

AgiBot World是一个由智元机器人开发的百万真机数据集,专注于具身智能技术的研究。它涵盖了80多种日常生活技能,涉及家居、餐饮、工业、商超及办公五大场景,数据规模和质量均领先于谷歌的Open X-Embodiment。数据采集利用了智元自建的工厂和实验基地,通过8个摄像头和6自由度灵巧手等先进硬件,确保了全域真实场景下的高质量数据获取。项目还计划开源仿真数据、发布具身基座大模型及配套工具链

GraphAgent

GraphAgent是一款基于人工智能的知识图谱构建与应用平台,集成了图生成、任务规划及任务执行三大模块,支持从结构化与非结构化数据中提取信息并形成知识图谱,具备自然语言交互、预测分析等功能。它通过图神经网络和大型语言模型实现高效的数据处理与语义理解,适用于学术研究、电商推荐、金融风控等多个领域。

MinT

MinT是一款基于时间基位置编码技术的多事件视频生成框架,允许用户通过文本提示生成包含多个事件的连贯视频,并支持对事件顺序及持续时间的精确控制。其核心技术ReRoPE使得模型能够有效关联文本提示与视频帧,同时结合预训练的视频扩散变换器(DiT)和大型语言模型(LLM)的提示增强功能,进一步提升了视频生成的质量与丰富度。MinT适用于娱乐、广告、教育等多个领域,为视频创作带来了创新性的解决方案。