Transformer

1. 首页
2. Transformer

Natural Language Playlist

Natural Language Playlist 探索语言和音乐之间丰富而复杂的关系，并使用 Transformer 语言模型构建播放列表。由于没有更好的术语，音乐推荐是一种“闭门造车”的东西。

创作工具 1970年01月01日 0 点赞 0 评论 242 浏览

MAGI

MAGI-1是一款由Sand AI开发的开源视频生成大模型，采用自回归架构，支持高效、高质量的视频生成，具备高分辨率输出、无限扩展能力和可控生成特性。适用于内容创作、影视制作、游戏开发等多个领域，技术上融合了自回归去噪、Transformer VAE、扩散模型等创新方法，提升生成效率与稳定性。

AI项目与工具 2025年06月11日 37 点赞 0 评论 261 浏览

Fast3R

Fast3R是一种基于Transformer架构的高效多视图3D重建方法，可在单次前向传播中处理上千张图像，大幅提高重建效率并减少误差累积。支持多视图并行处理，具备高精度、强可扩展性和快速推理能力，适用于机器人视觉、增强现实、虚拟现实、文化遗产保护及自动驾驶等多个场景。

AI项目与工具 2025年06月12日 86 点赞 0 评论 265 浏览

混元hunyuan

腾讯发布的快思考模型，混元hunyuan-TurboS响应速度较前代产品提升了一倍，首字时延降低了44%。优化后的模型使得即时生成内容流畅，适用于知识、数理和创作等多方面应用。

Ai平台模型 2025年06月05日 69 点赞 0 评论 265 浏览

Steamer

Steamer-I2V 是百度 Steamer 团队推出的图像到视频生成模型，能够将静态图像转化为动态视频，具备卓越的视觉生成能力。该模型基于 Transformer 扩散架构，支持多模态输入，包括中文文本提示和参考图像，实现像素级的画面控制与电影级构图效果。在 VBench 评测中荣获榜首，生成高清 1080P 视频，优化时间一致性与运动规律性，适用于广告、影视、游戏开发和内容创作等多个领域。

AI项目与工具 2025年06月11日 95 点赞 0 评论 271 浏览

PixWizard

PixWizard是一款基于自然语言指令的多功能图像处理工具，支持图像生成、编辑、翻译、修复等任务。通过基于流的Diffusion Transformer（DiT）模型及结构感知与语义感知指导，PixWizard能够高效处理各种视觉任务，并展现出强大的生成能力和泛化性能。

AI项目与工具 2025年06月12日 78 点赞 0 评论 272 浏览

FitDiT

FitDiT是一种基于Diffusion Transformers架构的高保真虚拟试穿技术，通过服装纹理提取器和先验演化技术精确捕捉服装细节，同时采用扩张-松弛掩码策略优化尺寸适配。它能在短时间内生成高质量的试穿图像，适用于电子商务、时尚设计、个性化定制以及增强现实等领域，为用户提供逼真的虚拟试穿体验。

AI项目与工具 2025年06月12日 97 点赞 0 评论 274 浏览

Fluid

Fluid是一种基于连续标记和随机生成顺序的文本到图像生成模型，具有卓越的视觉表现力和全局结构捕捉能力。它通过自回归架构和Transformer模型，逐步预测序列中的下一个元素，构建与文本提示相匹配的高质量图像。Fluid在多个基准测试中取得了优异成绩，并广泛应用于艺术创作、媒体娱乐、广告营销等领域。

AI项目与工具 2025年06月12日 47 点赞 0 评论 276 浏览

MagicTryOn

MagicTryOn是由浙江大学和vivo等机构开发的视频虚拟试穿框架，采用扩散Transformer（DiT）架构替代传统U-Net，结合全自注意力机制实现视频时空一致性建模。通过粗到细的服装保持策略，整合服装标记与多条件引导，有效保留服装细节。该工具在图像和视频试穿任务中表现优异，适用于在线购物、时尚设计、虚拟试衣间等多种场景。

AI项目与工具 2025年06月11日 81 点赞 0 评论 277 浏览

DUSt3R

DUSt3R是一个由芬兰阿尔托大学和Naver欧洲实验室联合研发的3D重建框架。该框架能够快速地从任意图像集合中重建出三维场景，无需事先了解相机校准或视点位置信息。DUSt3R主要功能包括快速3D重建、无需相机校准、多视图立体重建、单目和双目重建以及生成深度图、置信度图和点云图。它采用了点图表示法、Transformer网络架构和端到端训练方式，并提出了全局对齐策略来处理多视图重建任务。

AI项目与工具 2024年01月01日 53 点赞 0 评论 278 浏览