AI-magic AI-magic

多模态图像视频识别

Video-LLaVA开源项目 – 多模态图像视频识别项目
Video-LLaVA开源项目 – 多模态图像视频识别项目

北京大学的多模态图像视频识别项目，旨在将视觉信息融入语言特征空间，以推动大型视觉-语言模型的发展。
HunyuanVideo开源项目 – 腾讯开源的混元模型视频处理工具
HunyuanVideo开源项目 – 腾讯开源的混元模型视频处理工具

HunyuanVideo是腾讯开源的混元模型视频版本，旨在提供高效的视频处理和分析能力。该项目支持多种视频处理任务，并能够实时分析视频内容，适用于各种输入和输出格式。
visual开源项目 – chatgpt
visual开源项目 – chatgpt

这个开源项目的功能是利用ChatGPT进行对话，并且可以在聊天过程中发送和接收图像，同时能够将对话指令翻译成Stable Diffusion的prompt，并利用Stable Diffusion和ControlNet生成用户想要的图片。
Imagen官网 – 文本生成图像的高保真模型
Imagen官网 – 文本生成图像的高保真模型

Imagen是一个文本到图像的扩散模型，具有极高的真实感，利用大型变换器语言模型来理解文本并生成高保真图像。它在COCO数据集上取得了7.27的最先进FID分数，并在样本质量和图像-文本对齐方面被人类评审者优先选择。
Compositional Generalization in NLP开源项目 – 研究自然语言处理中的组合泛化
Compositional Generalization in NLP开源项目 – 研究自然语言处理中的组合泛化

该项目旨在通过研究自然语言处理中的组合泛化，提供有效的模型和方法，以提升NLP任务的表现。
MiniGPT4-Video-专为视频理解而设计的多模态大模型
MiniGPT4-Video-专为视频理解而设计的多模态大模型

MiniGPT4-Video是一个专为视频理解而设计的多模态大模型，能够同时处理时态视觉数据和文本数据，善于理解视频的复杂性，适用于多种视频内容的分析和处理任务。
JudgeLM开源项目 – 评估语言模型的高效工具
JudgeLM开源项目 – 评估语言模型的高效工具

JudgeLM是经过微调的语言大模型，旨在有效、高效地在开放式基准测试中评估语言大模型（LLM），提供系统化的模型能力和行为分析，解决多种偏见问题，并在新旧基准测试中展示出色的评判性能。
Graph Language Models开源项目 – 基于图结构的语言表示研究
Graph Language Models开源项目 – 基于图结构的语言表示研究

一个专注于图语言模型的研究项目，旨在利用图结构来提升语言表示的效果，并整合多种基于图的技术于自然语言处理（NLP）领域。
Glue Factory开源项目 – CVG的深度学习视觉特征库
Glue Factory开源项目 – CVG的深度学习视觉特征库

Glue Factory是CVG开发的一个库，用于训练和评估深度神经网络，专注于提取和匹配局部视觉特征。
AgentBench开源项目 – 评估语言模型能力的基准工具
AgentBench开源项目 – 评估语言模型能力的基准工具

AgentBench是一个多维演进基准，评估语言模型作为Agent的能力，包含8个不同环境，专注于LLM在多轮开放式生成场景中的推理和决策能力。
Monica图标

通过siliconflow免费使用满血可联网DeepSeek R1

现在注册，立即送2000万tokens

siliconflow提供 DeepSeek R1、OpenAI o1、GPT-4o、Claude 3.5 和 Gemini 1.5等领先大模型

马上试试
AI-magic收录了大量国内外AI工具箱，包括AI写作、图像、视频、音频、编程等各类AI工具，以及常用的AI学习、技术、和模型等信息，让你轻松加入人工智能浪潮。
Copyright © 2025 AI-magic 浙ICP备19008543号-3