学习

DeepEyes

DeepEyes是由小红书团队和西安交通大学联合开发的多模态深度思考模型,基于端到端强化学习实现“用图思考”能力,无需依赖监督微调。它在推理过程中动态调用图像工具,增强对细节的感知与理解,在视觉推理基准测试V* Bench上准确率高达90.1%。具备图像定位、幻觉缓解、多模态推理和动态工具调用等功能,适用于教育、医疗、交通、安防和工业等多个领域。

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。

团子AI

一款集伴奏人声提取、乐器分离及无损音频升降调等功能于一体的在线人工智能音乐处理工具箱。

Caricaturer.io

一个在线漫画生成器,使用 AI 和深度学习将你的肖像照片转换为漫画图片。生成有趣的、夸张的自画像,并给肖像照片添加艺术和夸张效果。

Deep Art Effects

Deep Art Effects 是一款利用深度学习技术的在线工具,能够将普通照片转换为具备多种艺术风格(如梵高、毕加索等)的作品。其主要功能包括艺术风格转换、高分辨率输出、丰富的艺术风格库以及 API 集成支持。该工具适用于个人娱乐、艺术创作、教育、广告及社交媒体内容创作等多个领域。

Explainpaper

Explainpaper是一款基于人工智能的文献阅读工具,通过自然语言处理技术帮助用户解析学术论文。它允许用户高亮并获取对难解内容的简化解释,提供深度解析和在线问答服务。此外,该工具还能推荐相关参考文献,并根据不同用户的学术背景提供适配的解释深度。其应用场景包括学术研究、教育支持、跨学科学习、行业分析和技术预研等领域。 ---

VisionFM

VisionFM是一款专为眼科设计的多模态多任务视觉基础模型,通过大规模预训练支持多种眼科成像模态处理,涵盖疾病筛查、诊断、预后预测、表型细分及全身性生物标志物分析等功能。其在疾病诊断上的表现超越了大部分眼科医生,并具备强大的泛化能力和少样本学习能力。

华盛顿大学

华盛顿大学(University of Washington),简称 UWashington 或 UW,始建于1861年,位于美国西海岸华盛顿州西雅图市,是一所公立研究型大学,美国大学协会、环太平洋大学联盟和国...

电子科技大学计算机科学与工程学院

学院有计算机科学与技术(智能金融与区块链金融“双A”联合学位实验班)、计算机科学与技术(“互联网+”复合型精英人才双学位培养计划)、人工智能、计算机类(计算机科学与技术、网络...

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。