零样本
  1. 首页
  2. 零样本

列表

Meissonic

Meissonic

Meissonic是一款由阿里巴巴集团与多家高校联合开发的文本到图像合成模型，基于掩蔽图像建模技术，结合多模态和单模态Transformer层、高级位置编码策略及优化采样条件，实现了高分辨率图像生成、文本到图像转换、零样本图像编辑等功能。其高效性能使其适用于多种场景，包括艺术创作、媒体娱乐、广告营销、教育及电子商务等领域。 ---
AI项目与工具 2025年06月12日
VILA

VILA

VILA-U 是一款由 MIT 汉实验室开发的统一基础模型，整合了视频、图像和语言的理解与生成能力。它通过自回归框架简化模型结构，支持视觉理解、视觉生成、多模态学习和零样本学习等功能。VILA-U 在预训练阶段采用混合数据集，利用残差向量量化和深度变换器提升表示能力，适用于图像生成、内容创作辅助、自动化设计、教育和残障人士辅助等多种场景。
AI项目与工具 2025年06月12日
MarDini

MarDini

MarDini是一款融合掩码自回归（MAR）和扩散模型（DM）的先进视频生成工具，支持视频插值、图像到视频生成、视频扩展等多种任务。它通过优化计算资源分配，提高了视频生成的效率与灵活性，并具备从无标签数据中进行端到端训练的能力，展现出强大的可扩展性与效率。
AI项目与工具 2025年06月12日
PromptFix

PromptFix

PromptFix是一款基于扩散模型的开源AI图像修复工具，支持多种图像处理任务，如上色、物体移除、去雾、去模糊等。它通过20步去噪过程精确修复图像缺陷，同时保持图像结构完整性和泛化能力。PromptFix具备高频细节保护、辅助提示适配器、零样本学习能力和大规模数据集构建等特点，适用于个人照片编辑、专业摄影、数字艺术创作、媒体广告及电影制作等多个领域。
AI项目与工具 2025年06月12日
DreamVideo

DreamVideo

DreamVideo-2是一款由复旦大学和阿里巴巴集团等机构共同开发的零样本视频生成框架，能够利用单一图像及界定框序列生成包含特定主题且具备精确运动轨迹的视频内容。其核心特性包括参考注意力机制、混合掩码参考注意力、重加权扩散损失以及基于二值掩码的运动控制模块，这些技术共同提升了主题表现力和运动控制精度。DreamVideo-2已在多个领域如娱乐、影视制作、广告营销、教育及新闻报道中展现出广泛应用前
AI项目与工具 2025年06月12日
MobileLLM

MobileLLM

MobileLLM是一款针对移动设备优化的大型语言模型，具有语言理解与生成、零样本常识推理、聊天交互、API调用、文本重写与摘要生成以及数学问题解决等功能。它通过深度薄型架构、SwiGLU激活函数、嵌入共享和分组查询注意力机制等技术，在低参数环境下实现高效性能，适用于移动聊天、语音助手、内容推荐、教育辅助和移动搜索等多种应用场景。
AI项目与工具 2025年06月12日
SeedEdit

SeedEdit

SeedEdit是一款基于自然语言指令的通用图像编辑工具，能够实现修图、换装、风格转换等多种编辑功能。它在图像重建与生成之间找到最佳平衡，支持零样本学习和多轮编辑操作，确保高质量输出。SeedEdit适用于社交媒体、广告、电商、艺术创作等多个领域，提供从简单调整到复杂创意的全面解决方案。
AI项目与工具 2025年06月12日
T

T

T-Rex Label是一款基于AI的自动标注工具，依托T-Rex2模型实现一键标注和零样本检测功能。它通过视觉提示简化标注流程，无需额外训练即可直接应用于多种场景，包括农业、工业、生物医药等。用户可通过GitHub账号快速登录并上传数据，利用AI自动生成初步标注结果，随后人工检查与修正，最终导出为常用格式供模型训练使用。
AI项目与工具 2025年06月12日
The Matrix

The Matrix

The Matrix是一款基于AI的世界模拟器，能够生成高保真度、无限时长的视频流，支持实时交互控制。它融合了3A游戏数据与真实世界视频，具备零样本泛化能力。核心技术包括交互模块、移窗去噪过程模型和流一致性模型，适用于游戏开发、影视制作、虚拟现实、教育模拟及城市规划等多个领域。
AI项目与工具 2025年06月12日
BALROG

BALROG

BALROG是一款用于评估大型语言模型（LLMs）和视觉语言模型（VLMs）在游戏环境中推理能力的框架。它通过程序化生成的游戏环境，测试模型的规划、空间推理及探索能力，并提供细粒度的性能指标和公开排行榜，以促进AI技术的发展，适用于游戏AI开发、机器人技术、虚拟现实等多个领域。
AI项目与工具 2025年06月12日