UniToken–复旦联合美团等机构推出的统一视觉编码框架
AI工具百科：
UniToken是什么
UniToken 是新型的自回归生成模型，专为多模态...
QLIP–英伟达推出的视觉标记化方法
AI工具百科：
QLIP是什么
QLIP（Quantized LanguageImage Pretraining）是英...
3DVTON–阿里达摩院联合浙大等推出的视频虚拟试穿框架
AI工具百科：
3DVTON是什么
3DVTON（Textured 3DGuided Consistent Video Tr...
GigaTok–港大联合字节推出用于自回归图像生成的视觉分词器
AI工具百科：
GigaTok是什么
GigaTok 是用于自回归图像生成的视觉分词器，参...
UniTok–字节联合港大、华中科技推出的统一视觉分词器
AI工具百科：
UniTok是什么
UniTok 是字节跳动联合香港大学和华中科技大学推...
GPDiT–清华北大联合阶跃星辰等推出的视频生成模型
AI工具百科：
GPDiT是什么
GPDiT（Generative Pretrained Autoregressive Di...
StreamBridge–苹果联合复旦推出的端侧视频大语言模型框架
AI工具百科：
StreamBridge是什么
StreamBridge 是苹果公司与复旦大学联合推...
Eagle2.5–英伟达推出的视觉语言模型
AI工具百科：
Eagle 2.5是什么
Eagle 2.5是英伟达推出的视觉语言模型，专注...
PixelReasoner–滑铁卢联合港科大等高校推出的视觉语言模型
AI工具百科：
Pixel Reasoner是什么
Pixel Reasoner是滑铁卢大学、香港科技...
DanceGRPO–字节Seed联合港大推出的统一视觉生成强化学习框架
AI工具百科：
DanceGRPO是什么
DanceGRPO 是字节跳动 Seed 和香港大学联合推...
NEXUSO–多模态AI模型，实现对语言、音频和视觉全方位感知与交互
AI工具百科：
NEXUSO是什么
NEXUSO 是HiThink 研究院、英国帝国理工学院、浙...
Vid2World–清华联合重庆大学推出视频模型转为世界模型的框架
AI工具百科：
Vid2World是什么
Vid2World是清华大学联合重庆大学推出的创新...
- 1
- 2
