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...
WebSSL–Meta联合纽约大学等机构推出的视觉自监督学习系列模型
AI工具百科：
WebSSL是什么
WebSSL（Webscale SelfSupervised Learning）是M...
VideoT1–清华联合腾讯推出的视频生成技术
AI工具百科：
VideoT1是什么
VideoT1 是清华大学和腾讯的研究人员共同推出的...
FastVLM–苹果推出的高效视觉语言模型
AI工具百科：
FastVLM是什么
FastVLM是苹果推出的高效的视觉语言模型（VLM）...
AyaVision–Cohere推出多模态、多语言的视觉模型
AI工具百科：
Aya Vision是什么
Aya Vision 是 Cohere 推出的多模态、多语言...
OpenVision–加州大学开源的视觉编码器家族
AI工具百科：
OpenVision是什么
OpenVision是加州大学圣克鲁兹分校（UCSC）...
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...
- 1
- 2
