Baichuan-Omni-1.5开源项目 – 开源全模态基础模型

Transfusion是一种可以生成文本和图像的训练模型的统一方法，结合了语言建模和扩散的优势。它通过结合下一个Token预测与扩散，在混合模态序列上训练单个Transformer，提供了优于传统方法的扩展性，支持高达7B参数和2T多模态标记。

MIMIC-CXR-VQA是一个复杂、多样且大规模的医学领域视觉问答（VQA）数据集，基于MIMIC-CXR数据库，旨在推动医学图像理解和问答系统的研究与应用。数据集包含多种类型的问题和答案，适用于模型的训练和评估，支持多种视觉问答任务。

MM-LLM是一个增强现有大型语言模型的框架，支持多模态输入和输出，同时保持其推理和决策能力。该项目提供全面的模型架构和训练管道设计，并回顾了在主流基准上的表现，旨在推动多模态任务的发展。

MnnLlmApp是一个基于MNN-LLM框架的Android手机应用，支持各类大型语言模型（LLM）在手机上离线运行，能够处理多模态任务，包括文本生成、图像生成和音频转文本等。该应用在安卓平台上具有优秀的CPU性能，预填充速度相较于其他框架大幅提升，支持多种模型，完全在设备本地运行，确保数据隐私和处理效率。

PaLI-3是一个相对更小、更快且更强大的视觉语言模型，其性能表现优于大小为其10倍的类似模型，专注于多模态任务的高效处理。

greyparrot.ai 是一个帮助回收设施和包装生产商利用废物智能，回收更多资源的废物分析平台。

Descrb 是一款AI工具，可高效生成电商产品页面，提供精准、可靠且可扩展的内容、描述和图片，免去数据训练和维护的需求。

Stable Fast 是一个超轻量级的推断性能优化库，专为在 NVIDIA GPU 上优化 HuggingFace Diffusers 库的性能而设计。

这是一个关于人与物体物理交互的数据集，记录了人推、拉、搬不同阻力物体的动作，帮助研究者更好地理解人与物体之间的物理动态

sync-to-github是一个Chrome扩展，它可以将网页内容与GitHub存储库同步。它可以帮助用户将ChatGPT对话一键同步到GitHub，并且会将其转换为Markdown格式。

ZeroGPT.CC是一款顶级的ChatGPT内容检测工具，通过机器学习算法和自然语言处理技术，精确预测文本或短语的来源，帮助用户区分AI生成的文本与人类写作。

ViralDashboard是一个强大的社交媒体自动化平台，利用AI技术帮助用户在多个社交媒体平台上集中管理、分析和发布内容，从而提升社交媒体影响力、流量和销售。

Sql Management Objects是一个用于脚本编写和管理SQL Server及Azure SQL Database的API，提供了丰富的接口和功能，使得多种数据库管理任务的自动化变得更加简单和高效。

Dagger是一个易于使用的云原生框架，构建在Apache Flink之上，专为实时流数据的有状态处理而设计，强调配置优于代码的理念。

Label Studio 是一款高效的AI数据标注工具，支持多模态数据标注，适用于自然语言处理（NLP）、计算机视觉（CV）、语音处理等多种任务。它提供了手动标注和模型辅助标注功能，拥有强大的可视化界面，兼容主流机器学习框架，并支持自动化标注和主动学习。通过集成GPT、LLaMA等大模型，Label Studio 能够实现AI辅助标注，显著提升标注效率。此外，它还支持300+数据格式的导入导出，提供云端和本地混合部署模式，内置数据质量校验规则，并与MLOps工具如PyTorch Lightning和Airflow无缝对接。