LongLLaVA

LongLLaVA是由香港中文大学（深圳）研究团队开发的多模态大型语言模型，结合Mamba和Transformer模块，利用2D池化技术压缩图像token，大幅提升处理大规模图像数据的效率。该模型在视频理解、高分辨率图像分析及多模态代理任务中表现优异，特别擅长检索、计数和排序任务。其技术亮点包括渐进式训练策略和混合架构优化，支持多种多模态输入处理，广泛应用于视频分析、医学影像诊断、环境监测等领域。

AI项目与工具 2025年06月12日 67 点赞 0 评论 385 浏览

GenXD

GenXD是一款由新加坡国立大学与微软联合开发的3D-4D联合生成框架，能够从任意数量的条件图像生成高质量的3D和4D场景。它通过数据整理流程提取相机姿态和物体运动信息，基于多视角时序模块分离相机与物体运动，并借助掩码潜在条件支持多种视角生成。GenXD支持3D场景重建、动态场景生成以及3D和4D数据融合，适用于视频游戏开发、电影制作、虚拟现实、建筑规划等多个领域。

AI项目与工具 2025年06月12日 54 点赞 0 评论 385 浏览

detangle

detangle 是一款基于人工智能的法律辅助工具，能够快速生成法律文件摘要，将复杂术语转化为通俗语言，帮助用户精准识别关键条款并提供音频摘要功能。适用于个人、企业、法律从业者及学习者，提升法律文件处理效率与理解能力，同时保障数据安全。

AI项目与工具 2025年06月12日 53 点赞 0 评论 385 浏览

AI Code Translator

AI Code Translator 是一款基于人工智能的在线编程语言互转工具，支持多种主流编程语言间的代码翻译和转换。其主要功能包括代码翻译、自然语言到代码的转换、多语言支持及代码优化。该工具旨在提升跨语言开发效率，适用于算法练习、代码迁移、多语言项目维护等多个场景，且无缝集成，操作简便。

AI项目与工具 2025年06月12日 66 点赞 0 评论 385 浏览

MVPaint

MVPaint是一款基于同步多视角扩散技术的3D纹理生成框架，具备同步多视角生成、空间感知3D修补和UV细化三大核心功能。它能够生成高分辨率、无缝且多视图一致的纹理，广泛应用于游戏开发、动画制作、虚拟现实、增强现实及建筑可视化等领域。

AI项目与工具 2025年06月12日 38 点赞 0 评论 385 浏览

Music Muse

Music Muse 是一款基于AI技术的音乐创作平台，用户可通过简单描述生成多种风格的音乐作品。支持风格多样、情绪匹配、节奏调整、音效添加、片段编辑、音量调节、音调调整等功能，并提供多种格式导出及分享选项。适用于音乐创作、视频配乐、广告与游戏等多个场景，操作便捷，音质优良，适合各类用户使用。

AI项目与工具 2025年06月12日 60 点赞 0 评论 384 浏览

AingDesk

AingDesk 是一款开源的 AI 模型部署工具，支持一键安装上百款 AI 模型，降低使用门槛。具备联网搜索功能，提升回答准确性；提供模型共享与多语言支持，便于团队协作与跨语言使用。内置模型管理器，优化本地资源利用，适用于学习、办公及学术研究等多种场景。

AI项目与工具 2025年06月12日 47 点赞 0 评论 384 浏览

万物追踪

万物追踪是一款基于生成式AI技术的信息推送工具，能从全球数据中精准捕捉用户关心的事件，如政策变化、股票动态、体育赛事等，并实时生成定制内容推送给用户。用户可自由订阅感兴趣的主题，系统自动持续追踪并推送更新。适用于财经、科技、体育、教育和娱乐等多个领域，提供高效、个性化的信息获取体验。

AI项目与工具 2025年06月12日 86 点赞 0 评论 384 浏览

DrivingDojo

DrivingDojo是一个由中国科学院自动化研究所与美团无人车团队合作研发的数据集，包含18,000个视频片段，涵盖全面的驾驶操作、多智能体交互及开放世界驾驶知识。它定义了动作指令跟随（AIF）基准，用于评估世界模型的预测能力，并支持自动驾驶算法开发、世界模型训练、多智能体交互模拟及罕见事件处理等多个应用场景。

AI项目与工具 2025年06月12日 85 点赞 0 评论 384 浏览

面试通

面试通是一款基于AI技术的面试辅助工具，专为求职者设计，可实时识别面试官的问题并生成专业回答，提升面试表现。其功能涵盖算法题模式、全自动笔试助手、简历模式和知识库模式，支持多语言面试和视频面试，适用于技术面试、结构化面试等多种场景。

AI项目与工具 2025年06月12日 88 点赞 0 评论 384 浏览