标记
  1. 首页
  2. 标记

列表

LongVU

LongVU

LongVU是一款由Meta AI团队研发的长视频理解工具，其核心在于时空自适应压缩机制，可有效减少视频标记数量并保留关键视觉细节。该工具通过跨模态查询与帧间依赖性分析，实现了对冗余帧的剔除及帧特征的选择性降低，并基于时间依赖性进一步压缩空间标记。LongVU支持高效处理长视频，适用于视频内容分析、搜索索引、生成描述等多种应用场景。
AI项目与工具 2025年06月12日
MTVCrafter

MTVCrafter

MTVCrafter是由中国科学院深圳先进技术研究院计算机视觉与模式识别实验室、中国电信人工智能研究所等机构推出的新型人类图像动画框架，基于4D运动标记化（4DMoT）和运动感知视频扩散Transformer（MV-DiT）实现高质量动画生成。该工具直接对3D运动序列建模，支持泛化到多种角色和风格，保持身份一致性，并在TikTok基准测试中取得优异成绩。其应用场景包括数字人动画、虚拟试穿、沉浸式内
AI项目与工具 2025年06月11日
SongGen

SongGen

SongGen是一款由多家高校和研究机构联合开发的单阶段自回归Transformer模型，能够根据文本生成高质量音乐。它支持混合模式和双轨模式输出，可分别生成人声与伴奏，便于后期编辑。SongGen通过创新的音频标记化和训练策略，显著提升了人声清晰度和音乐自然度。其开源特性及高质量数据集为音乐生成研究提供了新基准，适用于音乐创作、视频配乐、教育辅助等多个领域。
AI项目与工具 2025年06月12日
在线PS软件

在线PS软件

稿定设计PS是一款专业精简的在线ps图片处理软件，PS软件网页版,免下载、免安装，直接在浏览器打开网页版就可随时随地用它修正，调整和美化您的图片。
图片处理 2025年06月05日
Move AI

Move AI

Move AI 是一款基于AI和计算机视觉的无标记动作捕捉工具，可将普通摄像头拍摄的2D视频转换为高精度3D运动数据。支持实时追踪、多摄像头配置及多种格式导出，适用于影视、游戏、体育分析、VR/AR等领域，提供高效、低成本的解决方案。
AI项目与工具 2025年06月12日
VoxInstruct

VoxInstruct

VoxInstruct是清华大学开源的语音合成技术，能够根据人类语言指令生成高质量的语音。该系统采用统一的多语言编解码器语言建模框架，将传统的文本到语音任务扩展到了更广泛的人类指令到语音任务。VoxInstruct通过引入语音语义标记和多种无分类器指导策略，提升了语音合成的自然度和表现力。它支持多语言和跨语言合成，适用于智能语音助手、有声读物、教育培训等多个领域。
AI项目与工具 2025年06月12日