高质量身份保留的人像动画合成工具。

视频分析工具，结合Llama视觉模型和OpenAI Whisper进行本地视频描述生成。

用于手术视频分割的先进模型，Segment Anything 2 for Surgical Video Segmentation官网入口网址

3D人体姿态估计技术，AvatarPose官网入口网址

一种无混叠的任意尺度超分辨率方法。

通过多实例扩散模型将单张图像生成高保真度的3D场景。

为 Diffusion Transformer 提供高效灵活的控制框架。

Video Depth Anything: Consistent Depth Estimation for Super-Long Videos

一个基于深度学习的图像和视频描述模型。