V-JEPA 创新的自监督学习模型，它通过预测视频帧的特征表示来学习视频的视觉表示。这种方法不仅能够处理视频内容，还能在图像任务上表现出色，具有广泛的应用潜力。 Ai平台模型 1970年01月01日 0 点赞 0 评论 426 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
万兴天幕多媒体大模型 一个涵盖了视觉、音频、语言等多模态AI生成和优化能力的多媒体大模型，万兴天幕多媒体大模型核心功能包括一键成片、AI美术设计、文生音乐、音频增强、音效分析、多语言对话等。 Ai平台模型 2025年06月05日 40 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
AopsAI AopsAI是一款基于AI技术的照片动画化工具，能将静态照片转化为动态短视频，重现历史瞬间。用户无需注册，仅需上传照片并提供邮箱，即可在24小时内获取视频。支持多种图片格式，操作便捷，适用于个人回忆、商业展示及活动宣传等多种场景。 AI项目与工具 2025年01月20日 33 点赞 0 评论 425 浏览
