编码
  1. 首页
  2. 编码

列表

LLaVA

LLaVA

LLaVA-OneVision是字节跳动开发的开源多模态AI模型，主要功能包括多模态理解、任务迁移、跨场景能力、开源贡献及高性能。该模型采用多模态架构，集成了视觉和语言信息，通过Siglip视觉编码器和Qwen-2语言模型，实现高效特征映射和任务迁移学习。广泛应用于图像和视频分析、内容创作辅助、聊天机器人、教育和培训以及安全监控等领域。
AI项目与工具 2025年06月12日
TurboEdit

TurboEdit

TurboEdit是一款由Adobe Research开发的AI即时图像编辑模型。它通过编码器迭代反演和基于文本的精细控制，在数步内实现图像的精确编辑。用户可以通过修改详细的文本提示来引导图像编辑，实现对图像特定属性的精确修改。TurboEdit具备快速高效的特性，支持实时编辑，并在文本引导下的图像编辑方面表现出色。
AI项目与工具 2025年06月12日
GPTs Works

GPTs Works

一个开源的第三方GPTs商店，提供具有网站和浏览器扩展的GPTs。它提供了一个超过10万个第三方GPTs的集合，可以通过矢量搜索进行访问。
GPTs应用 2025年06月05日
SmolVLM

SmolVLM

SmolVLM是一款由Hugging Face开发的轻量级视觉语言模型，专为设备端推理设计。该模型具有三个版本，包括SmolVLM-Base、SmolVLM-Synthetic和SmolVLM-Instruct，分别适用于不同的应用场景。SmolVLM借鉴了Idefics3的理念，采用SmolLM2 1.7B作为语言主干，并通过像素混洗技术提升视觉信息的压缩效率。其训练数据集包括Cauldron和
AI项目与工具 2025年06月12日
Playground v3

Playground v3

Playground v3是一款基于大型语言模型（LLM）的文本到图像生成工具，具备240亿参数量的潜扩散架构（LDM），能够精准理解和生成复杂的图像内容，支持RGB颜色控制和多语言文本生成。其核心功能包括文本到图像生成、图形设计、RGB颜色控制和多语言支持，广泛应用于设计、内容创作、游戏开发、广告等多个领域。
AI项目与工具 2025年06月12日
BiGR

BiGR

BiGR是一种基于二进制编码的条件图像生成模型，集成了生成与判别任务于同一框架，支持高质量图像生成、视觉辨别和编辑。它通过掩码建模机制和二进制转码器实现高效的图像重建与预测，无需针对特定任务进行结构修改或参数调整，适用于多种视觉任务，如艺术创作、内容生成、广告设计、图像修复等。
AI项目与工具 2025年06月12日
Enconvo

Enconvo

一款为macOS 设计的智能AI启动器，是所有AI功能的入口，也是一位体贴的智能助理，它支持无缝调用AI助手，提供丰富的插件和工具。
Ai办公效率 2025年06月05日
Valley

Valley

Valley是一款由字节跳动开发的多模态大语言模型，擅长处理文本、图像和视频数据，广泛应用于内容分析、图像和视频描述、电子商务及短视频平台等领域。其Eagle版本通过引入VisionEncoder增强了模型性能，支持灵活调整令牌数量，实现了更高效的多模态数据处理。Valley在多项基准测试中表现出色，尤其在参数规模较小的情况下依然保持优异的成绩。
AI项目与工具 2025年06月12日
QLIP

QLIP

QLIP是一种基于二进制球形量化（BSQ）的视觉标记化方法，具备高质量图像重建和零样本图像理解能力。通过对比学习目标和两阶段训练策略，QLIP可作为视觉编码器或图像标记器，广泛应用于多模态任务，如文本到图像生成、图像到文本生成及多模态理解。其技术设计提升了模型的语义表达与训练效率，为统一多模态模型的开发提供了新思路。
AI项目与工具 2025年06月11日
Meissonic

Meissonic

Meissonic是一款由阿里巴巴集团与多家高校联合开发的文本到图像合成模型，基于掩蔽图像建模技术，结合多模态和单模态Transformer层、高级位置编码策略及优化采样条件，实现了高分辨率图像生成、文本到图像转换、零样本图像编辑等功能。其高效性能使其适用于多种场景，包括艺术创作、媒体娱乐、广告营销、教育及电子商务等领域。 ---
AI项目与工具 2025年06月12日