首席AI分享圈

DeepSeek-V3是一款强大的混合专家（Mixture-of-Experts, MoE）语言模型，拥有6710亿总参数，针对每个token激活37亿参数。该模型采用了一种创新的多头潜在注意力（Multi-head Latent Attention, MLA）架构，以及经...

综合介绍 CogAgent是由清华大学数据挖掘研究组（THUDM）开发的开源视觉语言模型，旨在实现跨平台的图形用户界面（GUI）自动化操作。该模型基于CogVLM（GLM-4V-9B），支持中英文双语交互，能够通过屏幕截图和自然...

今天早些时候收到“寻光”内测申请通过的通知，睡前发个简单的评测。 该平台定位是达摩院的“视觉技术能力应用平台”，目前应用较少（对比发布会）期待逐步开放更多视觉类应用。 寻光分为两个地址： https://xunguang...

综合介绍 DisPose是一个创新的开源人工智能项目，专注于可控的人物图像动画生成。该项目由研究团队开发并在GitHub上开源，采用先进的深度学习技术，通过分解骨骼姿态信息来实现精确的人物动画控制。DisPose的核心...

综合介绍 Smolagents是由HuggingFace开发的轻量级智能代理库，专注于简化AI代理系统的开发过程。该项目以其简洁的设计理念著称，核心代码仅约1000行，却提供了强大的功能集成能力。它最显著的特点是支持代码执行...

如何开始使用 Napkin AI 生成视觉内容 ？(账户创建、视觉生成、导出为 pdf 或图像文件...) 欢迎使用 Napkin AI，这款工具可以轻松地将您的文本转换为精美的视觉效果。本指南将引导您完成入门的基本步骤，并最大化...

综合介绍 Vision Parse是一个革命性的文档处理工具，它巧妙地结合了最先进的视觉语言模型(Vision Language Models)技术，能够将PDF文档智能转换为优质的Markdown格式内容。该工具支持多种顶级视觉语言模型，包括O...

综合介绍 InvSR是一个创新的开源图像超分辨率项目，它基于扩散反演技术，能够将低分辨率图像转换为高质量的高分辨率图像。该项目利用预训练的大型扩散模型中蕴含的丰富图像先验知识，通过灵活的采样机制，支持1到...

综合介绍 Infinity是一个开创性的高分辨率图像生成框架，由FoundationVision团队开发。该项目通过创新的位级视觉自回归建模方法，突破了传统图像生成模型的限制。Infinity的核心特点是采用了无限词汇量的分词器和...