R

Find3D

Find3D是一款由加州理工学院开发的3D部件分割模型,通过自动化数据生成技术和对比学习方法,实现了高效且精准的3D对象分割。它能够在多个数据集上达到三倍于次优方法的性能提升,支持开放世界下的任意文本查询分割,广泛应用于机器人、虚拟现实、建筑设计等领域。

PaliGemma 2

PaliGemma 2是一款由Google DeepMind研发的视觉语言模型(VLM),结合了SigLIP-So400m视觉编码器与Gemma 2语言模型,支持多种分辨率的图像处理。该模型具备强大的知识迁移能力和出色的学术任务表现,在OCR、音乐乐谱识别以及医学图像报告生成等方面实现了技术突破。它能够处理多模态任务,包括图像字幕生成、视觉推理等,并支持量化和CPU推理以提高计算效率。

TaoAvatar

TaoAvatar是阿里巴巴推出的高保真、轻量级3D全身虚拟人技术,基于3D高斯溅射(3DGS)实现照片级真实感的虚拟形象生成。支持多模态驱动,具备高帧率实时渲染能力,适用于AR、移动设备及高清显示平台。其轻量级架构结合深度学习优化,提升了运行效率与交互自然度,广泛应用于电商直播、全息通信、虚拟会议、在线教育及娱乐等领域。

ColorMagic

ColorMagic是一个由人工智能驱动的色彩调色板生成工具,你可以输入图像或色彩情绪的关键字,它会根据关键词生成您输入的颜色图像的颜色。

如知AI笔记

一款智能化的AI知识管理工具,提供AI搜索探索、AI结果转笔记、笔记管理与整理、知识演示与分享等功能。集成了DeepSeek深度思考模型,提供更稳定、更高质量的输出。

拍试卷

拍试卷是一款基于OCR技术的试卷扫描与处理软件,具备高清扫描、手写内容擦除、试卷还原等功能,支持将试卷内容转换为可编辑的文本格式、Word文档或PDF文件,适用于教师备课、学生自学、学术研究及出版行业等多个场景,同时提供图片文字识别、公式识别和PDF扫描识别等特色功能,全面提升工作效率。

Whisper语音识别模型

Whisper 是一种通用的语音识别模型。它在不同音频的大型数据集上进行训练,也是一个多任务模型,可以执行多语言语音识别以及语音翻译和语言识别。