模型

1. 首页
2. 模型

InternVL

InternVL是由上海人工智能实验室开发的多模态大模型，融合视觉与语言处理能力，支持图像、视频、文本等多种输入。其基于ViT-MLP-LLM架构，具备多模态理解、多语言处理、文档解析、科学推理等能力，广泛应用于视觉问答、智能客服、图像分析等领域。模型采用动态高分辨率与渐进式训练策略，提升处理效率与准确性。

AI项目与工具 2025年06月12日 78 点赞 0 评论 453 浏览

StreamBridge

StreamBridge是一款由苹果与复旦大学联合开发的端侧视频大语言模型框架，支持实时视频流的理解与交互。通过内存缓冲区和轮次衰减压缩策略，实现长上下文处理与主动响应。项目配套发布Stream-IT数据集，包含60万样本，适用于多种视频理解任务，展现出在视频交互、自动驾驶、智能监控等领域的应用前景。

AI项目与工具 2025年06月11日 41 点赞 0 评论 452 浏览

DiffSplat

DiffSplat是一款高效的3D生成工具，能够根据文本或图像快速生成高质量的3D高斯点云。它基于预训练的文本到图像扩散模型，结合2D先验知识和3D渲染损失机制，确保生成内容在多视角下保持一致。支持文本、图像或组合输入，具备可控生成能力，适用于3D内容创作、图像重建及多种下游应用。

AI项目与工具 2025年06月12日 72 点赞 0 评论 452 浏览

LEOPARD

LEOPARD是一款由腾讯AI Lab开发的视觉语言模型，专为处理包含大量文本的多图像任务而设计。它通过自适应高分辨率多图像编码模块和大规模多模态指令调优数据集，实现对复杂视觉语言任务的高效处理，包括跨图像推理、高分辨率图像处理及动态视觉序列长度优化。LEOPARD在自动化文档理解、教育、商业智能等领域具有广泛应用潜力。

AI项目与工具 2025年06月12日 35 点赞 0 评论 452 浏览

MVoT

MVoT是一种多模态推理框架，通过生成图像形式的推理痕迹，增强多模态大语言模型在复杂空间推理任务中的表现。其核心技术包括多模态推理范式、token discrepancy loss以及递归生成机制，有效提升推理准确性和可解释性。该工具适用于机器人导航、自动驾驶、智能教育、医疗影像分析及VR/AR交互等多个领域，具有广泛的应用潜力。

AI项目与工具 2025年06月12日 57 点赞 0 评论 451 浏览

Bytespider

Bytespider 是一款由字节跳动推出的网络爬虫工具，凭借极高的数据抓取速度和多线程处理技术，支持互联网数据的高效采集与分析。该工具不仅用于优化字节跳动的AI语言模型，还广泛应用于搜索引擎构建、市场情报分析、客户洞察、内容监控和学术研究等多个场景。

AI项目与工具 2025年06月12日 37 点赞 0 评论 451 浏览

Topaz Photo AI

Topaz Photo AI 是一款使用人工智能 （AI） 来提高照片和视频质量的软件。它可以通过先进的技术锐化、去除噪点来提高图像的分辨率。

Ai图片处理 2025年06月05日 12 点赞 0 评论 451 浏览

MoshiVis

MoshiVis是一款由Kyutai开发的开源多模态语音模型，支持图像与语音的自然交互。它基于Moshi 7B架构，集成了视觉编码器和跨注意力机制，实现低延迟、自然流畅的对话体验。支持多种后端部署，适用于无障碍应用、智能家居、教育及工业场景，提升人机交互的智能化水平。

AI项目与工具 2025年06月12日 72 点赞 0 评论 451 浏览

Rodin

Rodin是一款由影眸科技开发的AI驱动3D生成工具，专注于快速生成高质量的3D模型。它支持文本提示和图片输入生成3D资产，具备多视图融合、模型调整及材质生成等功能，适用于游戏开发、角色建模、虚拟现实等多种场景，同时兼顾生成效率与细节表现，但需进一步优化精度与数据集适应性。

AI项目与工具 2025年06月12日 56 点赞 0 评论 451 浏览

琅琊

琅琊是中国科学院海洋研究所推出的一款海洋人工智能大模型，专注于全球海洋状态变量的中短期高精度预报。它采用先进的机器学习技术与海洋科学知识相结合的方式，提供1至7天的温度、盐度和海流等关键指标的高分辨率预报，显著提高海洋预报的准确性与可靠性。未来版本将扩展至更多复杂海洋现象的预测，增强灾害预警能力。 ---

AI项目与工具 2025年06月12日 12 点赞 0 评论 451 浏览