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...
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...
- 1
- 2
