YOLOv9 – 新一代高效的实时目标检测系统
YOLOv9是什么 YOLOv9是一个由台北中研院和台北科技大学等机构的研究团队推出的新一代先进的目标检测系统，是YOLO（You Only Look Once）算法系列的最新版本。...
ScreenAgent – 基于视觉语言模型的计算机控制智能体
ScreenAgent是什么 ScreenAgent是一个由吉林大学人工智能学院的研究团队开发的计算机控制智能体，该智能体是基于视觉语言模型（VLM）构建的，能够与真实计算...
ConsiStory – 免训练实现主题一致性的文生图方法
ConsiStory是什么 ConsiStory是由NVIDIA和特拉维夫大学的研究人员共同开发的一种无需训练的文本生成图像的方法，可以实现让图像在保持风格和主题不变的情况下...
Stable Diffusion 3 – Stability AI推出的新一代图像生成模型
Stable Diffusion 3是什么 Stable Diffusion 3 是由 Stability AI 开发的一款先进的文本到图像生成模型，是 Stable Diffusion 系列模型的最新迭代，旨在通过...
SDXL-Lightning – 字节跳动推出的文本到图像生成模型
SDXL-Lightning是什么 SDXL-Lightning是由字节跳动的研究团队推出的一种基于扩散模型的文本到图像生成技术，旨在解决传统扩散模型在图像生成速度和计算成本上...
VideoPoet – 谷歌推出的AI视频生成模型
VideoPoet是什么 VideoPoet是由谷歌的研究团队开发的一种基于大模型的AI视频生成方案，支持从文本、图像或视频输入中合成高质量的视频内容，并生成匹配的音频...
DiT – 基于Transfomer架构的扩散模型
DiT是什么 DiT（Diffusion Transformers）是一种新型的扩散模型，由William Peebles（Sora的研发负责人之一） 与纽约大学助理教授谢赛宁提出，结合了去噪扩散...
Boximator – 字节推出的控制视频生成中对象运动的框架
Boximator是什么？ Boximator是由字节跳动的研究团队开发的一种视频合成技术，旨在生成丰富且可控的运动，以增强视频合成的质量和可控性。该技术通过引入两种...
V-JEPA：Meta推出的视觉模型，可以通过观看视频来学习理解物理世界
V-JEPA是什么？ V-JEPA（Video Joint-Embedding Predictive Architecture，视频联合嵌入预测架构）是由Meta的研究人员推出的一种新型的视频自监督学习方法，...
Depth Anything – Tiktok等推出的单目深度估计模型
Depth Anything是什么？ Depth Anything是由来自Tiktok、香港大学和浙江大学的研究人员推出的一个为单目深度估计（Monocular Depth Estimation, MDE）设计的...
AI 工具集导航网站 - 国内外1000+ AI 工具集合大全！网站聚合 AI 写作工具、AI 图像生成与背景移除工具、AI 视频制作工具、AI 音频转录工具、AI 辅助编程工具、AI 音乐生成工具、AI 绘画设计工具、AI 对话聊天工具等全品类 AI 应用，同步收录 AI 学习开发领域常用网站、框架及模型资源。一站式 AI 工具导航平台，助您快速捕获前沿智能工具，自动化提效完成多元任务，轻松拥抱人工智能浪潮！
