利用AI创作音乐

提升户外虚拟试穿效果的模型训练代码库

一款用于生成信息图表的视觉文本渲染工具。

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。

CogView4-6B 是一个强大的文本到图像生成模型，专注于高质量图像生成。

一款基于Midjourney风格的文本到图像生成模型，专注于高分辨率和写实风格的图像创作。

一个强大的代码生成和理解工具，它通过大规模训练和多样化的模型规模，为开发者提供了一个高性能的编程辅助平台，StarCoder 2官网入口网址

BAGEL是一款开源的统一多模态模型，您可以在任何地方进行微调、精简和部署。

高效的视觉编码技术，提升视觉语言模型性能。

一个基于深度学习的图像和视频描述模型。

开源视频生成模型，支持多种生成任务。

基于 DiT 的人类图像动画框架，实现精细控制与长效一致性。

PhotoDoodle 是一个基于少量样本对数据学习艺术图像编辑的代码实现。

QwQ-Max-Preview 是 Qwen 系列的最新成果，基于 Qwen2.5-Max 构建，具备强大的推理和多领域应用能力。

VLM-R1 是一个稳定且通用的强化视觉语言模型，专注于视觉理解任务。

一种非侵入式脑机接口技术，通过脑电图或脑磁图解码大脑活动以实现文本输入。

《动手学深度学习》：面向中文读者、能运行、可讨论，《动手学深度学习》：面向中文读者、能运行、可讨论官网入口网址

AI研究资源导航网站，提供AI研究资源、文档和实践案例

DeepEP 是一个针对 Mixture-of-Experts 和专家并行通信的高效通信库。

此应用可根据文本描述生成图像，或提供现有图像的描述和答案。

基于自回归变换器生成人工制作的 3D 原始装配体。

一款高质量的英语自动语音识别模型，支持标点符号和时间戳预测。

用于理解任意视频中的相机运动的工具。

轻量级嵌套架构，用于语音反欺诈。

Pusa 是一个新颖的视频扩散模型，支持多种视频生成任务。

为 Diffusion Transformer 提供高效灵活的控制框架。

Lumina-Video 是一个用于视频生成的初步尝试项目，支持文本到视频的生成。

DreamO 是一个统一的图像定制框架。

一个社区驱动的深度研究框架，结合语言模型与多种工具。

高容量真实世界图像修复与隐私安全数据管理

上下文驱动的图像生成工具，保持前景保真度。