PaliGemma 2 mix 是一款多功能的视觉语言模型，适用于多种任务和领域。

OmniParser 是一款通用屏幕解析工具，可将 UI 截图转换为结构化格式，提升基于 LLM 的 UI 代理性能。

VisionAgent是一个用于生成代码以解决视觉任务的库，支持多种LLM提供商。

基于推理驱动的目标检测技术，通过文本提示实现类似人类精度的检测。

强大的视频替换与编辑软件，利用AI技术实现自然效果。

用于衡量设备 AI 加速器推理性能的基准测试工具。

VideoLLaMA3是前沿的多模态基础模型，专注于图像和视频理解。

TokenVerse 是一种基于预训练文本到图像扩散模型的多概念个性化方法。

一种新颖的图像到视频采样技术，基于Hunyuan模型实现高质量视频生成。

Janus-Pro-1B 是一个统一多模态理解和生成的自回归框架。

LLMs 无需任何培训就能看见和听见

MatAnyone 是一个支持目标指定的稳定视频抠像框架，适用于复杂背景。

BEN2是一个基于深度学习的图像分割模型，专注于背景擦除和前景提取。

一种基于扩散变换器网络的高动态、逼真肖像图像动画技术。

一个由moondream创建的Hugging Face Space，用于展示注视点相关技术

一个基于Google Gemini 2.0的高精度OCR文字识别应用。

高容量真实世界图像修复与隐私安全数据管理

AI驱动的文件重命名工具

一种用于扩散变换器的上下文LoRA微调技术

基于GIMM-VFI的ComfyUI帧插值工具

Google的AI助手，提升创造力与生产力。

视频扩散模型，用于虚拟试穿。

AI智能图像重新上色工具

高效分离图像前景与背景的模型

利用AI生成印度风格的图像

基于Stable Diffusion 3.5 Large模型的IP适配器

自定义Redux效果强度的图像处理工具

一个用于创建简单漫画的扩展功能。

图像生成模型，提供前所未有的风格控制。

FLUX.1的最小且通用的控制器

AI驱动的动物图像生成器，快速创建高质量动物图像。

视觉语言模型增强工具，结合生成式视觉编码器和深度广度融合技术。