人工智能

今天给大家推荐一个实用的AI工具——AiSlides.chat。无论是工作汇报还是学习演讲，它能帮你快速生成高质量的PPT，以此告别手动制作的繁琐过程。 AiSlides.chat是什么 AiSlid...

AMD正式对公众宣布—Instella的开源。对于开发者而言，Instella的开源将为他们提供一个学习和研究AI技术的新平台。借助Instella，开发者可以深入了解AI模型的训练过程，探索模型优化...

ReCamMaster 是一个基于预训练模型的视频重渲染框架，能够根据用户指定的相机轨迹重新生成视频内容。用户只需上传视频并指定轨迹，系统便会生成新的视角视频。 ReCamMaster是什么 ReCa...

在人工智能领域，UniAct 是一个新型的具身基础模型框架，旨在解决不同机器人之间的行为异构性问题。UniAct以视觉语言模型为核心，构建了首个tokenized通用动作空间，解决了具身智能中的通用动...

随着AI技术的进一步发展和完善，我们可以看到更多令人惊叹的应用，如更精确的图像编辑工具、更智能的视觉内容创作辅助工具等等。也可以激发更多人探索自回归模型在视觉任务中的潜力，推动 AI 在理解和生成视觉...

TokenFD是上海交通大学联合美团推出的细粒度图文对齐基础模型，主要用于文档理解任务。通过Token级对齐，实现了图像Token与语言Token在同一特征空间中的共享，支持Token级图文交互，在处...

SVG Converter是在线矢量化工具，支持将多种位图图像（如JPG、PNG、BMP等）快速转换为矢量图形（如SVG、AI、EPS、PDF等）。SVG Converter支持多种文件格式，具备高质...

GR00T N1是全球首个面向通用人形机器人的开放基础模型。它不仅拥有理解视觉与语言指令的“智慧之眼”，还能通过实时生成流畅动作的“敏捷之手”，在复杂多变的环境中完成多样化任务。NVIDIA 将对这一...

最近 IBM 和 Hugging Face 的研究人员联合推出了一个新的小型视觉-语言模型 SmolDocling，这款专为文档转换任务而设计的模型，轻量级、高速且支持完整文档OCR的多模态视觉语言模...

Zoom公布，推出代理式AI Companion功能，并于现有的Zoom AI Companion及其他人工智能(AI)功能进行升级。利用推理及记忆来采取行动并协调任务执行，包括对话式自助服务、并支持...