JanusFlow是DeepSeek推出的 Janus 系列，用在多模態理解和生成任務的模型，整合自回歸語言模型與校正流技術，在單一模型中實現圖像理解和生成?？蚣芑诮怦畹囊曈X編碼器和表示對齊策略，提升模型在不同任務上的性能...
網站首頁 > AI工具 第19頁
-
-
Text Behind Image是開源的在線工具，支持用戶在圖片中的角色背后添加文字，創建具有視覺沖擊力的海報和社交媒體圖像。用戶在圖像中的主體背后添加自定義文本，并提供文字、字體、顏色、位置、粗細、不透明度、旋轉和重復等...
-
SWE-Kit 是Composio 推出的開源框架， 簡化軟件工程 AI 代理的開發過程。SWE-Kit提供無頭 IDE 環境和 AI 原生工具，用于構建自定義編碼代理，支持與多種代理框架和大型語言模型集成，降低構建復雜 A...
-
MSQA（Multi-modal Situated Question Answering）是大規模多模態情境推理數據集，提升具身AI代理在3D場景中的理解與推理能力。數據集包含251K個問答對，覆蓋9個問題類別，基于3D場景...
-
Chonkie是輕量級、快速且功能豐富的RAG（Retrieval-Augmented Generation）分塊庫，為文本處理設計。Chonkie支持基于Token、單詞、句子和語義的多種分塊方法，易于安裝和使用，無冗余，...
-
Kiroku是多智能體系統，輔助用戶組織和撰寫文檔。靈感源自創始人在斯坦福大學攻讀博士期間的學術寫作經歷，Kiroku模擬學生與導師間的互動，幫助用戶快速生成段落、優化溝通方式，在迭代評估中提升信息傳遞效果。...
-
Vision Search Assistant（VSA）是結合視覺語言模型（VLMs）和網絡代理的框架，提升模型對未知視覺內容的理解能力?；诨ヂ摼W檢索，使VLMs處理和回答有關未見圖像的問題。VSA在開放集和封閉集問答測試...
-
CHANGER是工業級超自然AI換頭與色鍵技術，用在數字內容創作中將演員頭部無縫集成到目標身體上，適于視覺特效、數字人類創建和虛擬化身。CHANGER基于色鍵技術分離背景與前景，用H2增強模擬多樣頭部形狀和發型，及FPAT模...
-
MVDrag3D是創新的3D編輯框架，結合多視圖生成和重建先驗實現靈活且富有創造性的拖拽編輯。框架用多視圖擴散模型作為生成先驗，確保在多個渲染視圖間進行一致的拖拽編輯，基于重建模型重建編輯對象的3D高斯表示，用視圖特定的變形...
-
Vidu 1.5是生數科技推出的AI視頻生成平臺最新版本，致力于幫助創作者自由表達和高效創作。具備多模態視頻大模型，支持參考生視頻、圖生視頻和文生視頻，確保角色、物體、場景的一致性。Vidu 1.5能在30秒內生成高清視頻，...
