Flow Matching是一个基于PyTorch的生成模型实现，利用流匹配技术将简单分布转换为复杂分布，旨在生成高质量的数据样本，广泛应用于图像生成、数据增强等多种生成任务。

traiNNer是一个基于PyTorch的深度学习框架，旨在实现图像和视频的超分辨率、恢复以及图像到图像的翻译。它提供了灵活的模型结构，支持多种功能，适用于不同的图像处理需求。

Bisheng 是一个开源的大模型运维平台，旨在加速下一代人工智能应用的开发与落地，支持多种大模型的集成，提供高效的开发工具和框架。

这是一个基于PyTorch的库，旨在加速在分布外（OOD）检测方面的研究，支持多种检测方法，并提供易用的API设计。该项目结合深度学习模型进行OOD任务，提供数据集和基准测试，且可与PyTorch深度学习框架无缝集成。

AISP是一个基于模型的图像信号处理工具，利用可学习字典来提高图像处理的效率和效果。该项目旨在通过先进的算法和模型，优化图像信号的重建和处理，适用于各种图像处理任务。

在本地运行开源分割任何模型的工具(受Ollama启发)，提供原始SAM和高效SAM等分割任何模型，本地API(CLI、Python和HTTP接口)，以及自定义功能，可托管自定义视觉模型

Cargoship是一个开源平台，允许用户轻松将人工智能集成到他们的应用程序中。它提供了一系列用于各种AI任务的预训练模型，如图像识别、语言处理、文本生成和音频转录。用户只需从其开源集合中选择一个模型，该模型以Docker容器的形式打包，便于托管或通过个人端点和API密钥访问，无需具备机器学习知识即可将模型整合到软件中。

这是一个关于几何生成模型（GGM）的教程资料，旨在帮助用户理解和实现各种生成模型。它提供了理论背景、实际应用示例，并支持多种模型的实现，同时包含易于使用的代码示例以及最新的研究进展。

一款自由、开放且无审查的图像描述视觉语言模型，专为社区训练扩散模型而设计，支持多样化的图像风格和内容。