AI项目和框架

FitDiT是高保真虚拟试穿技术，是腾讯和复旦大学联合推出的。基于Diffusion Transformers（DiT）关注高分辨率特征，提升服装细节的呈现。FitDiT用服装纹理提取...

Documind是开源的AI文档处理工具，能从PDF文档中提取结构化数据。Documind具备将PDF转换为图像、用OpenAI API进行信息提取，根据用户定义的模式格式化输出结...

MARS（Make vAriance Reduction Shine）是字节跳动推出的创新的优化框架，提升大型模型训练的效率。MARS融合预条件梯度方法与方差减少技术，基于缩放随机递归...

Verifier Engineering（验证器工程）是中国科学院、阿里巴巴和小红书联合推出的新型后训练范式，为基础模型设计，解决提供有效监督信号的挑战。Verifier Engi...

Vidu 1.5是生数科技推出的AI视频生成平台最新版本，致力于帮助创作者自由表达和高效创作。具备多模态视频大模型，支持参考生视频、图生视频和文生视频，确保...

AgentReview是基于大型语言模型（LLM）的框架，模拟学术同行评审过程。AgentReview基于LLM代理模拟评审者、作者和领域主席的角色，支持研究者在尊重隐私的同...

CHANGER是工业级超自然AI换头与色键技术，用在数字内容创作中将演员头部无缝集成到目标身体上，适于视觉特效、数字人类创建和虚拟化身。CHANGER基于色键技术...

Kiroku是多智能体系统，辅助用户组织和撰写文档。灵感源自创始人在斯坦福大学攻读博士期间的学术写作经历，Kiroku模拟学生与导师间的互动，帮助用户快速生成...

Vision Search Assistant（VSA）是结合视觉语言模型（VLMs）和网络代理的框架，提升模型对未知视觉内容的理解能力。基于互联网检索，使VLMs处理和回答有关未...

MVDrag3D是创新的3D编辑框架，结合多视图生成和重建先验实现灵活且富有创造性的拖拽编辑。框架用多视图扩散模型作为生成先验，确保在多个渲染视图间进行一致...

Chonkie是轻量级、快速且功能丰富的RAG（Retrieval-Augmented Generation）分块库，为文本处理设计。Chonkie支持基于Token、单词、句子和语义的多种分块方法...

MSQA（Multi-modal Situated Question Answering）是大规模多模态情境推理数据集，提升具身AI代理在3D场景中的理解与推理能力。数据集包含251K个问答对，覆盖...

Excalidraw是开源的在线绘图工具，拥有简洁的手绘风格和实时协作功能。Excalidraw完全在浏览器中运行，无需安装，支持多人同时编辑同一张图，提供端到端加密...

RMBG-2.0是BRIA AI推出的最新开源图像背景移除模型，基于先进的AI技术实现高精度的前景与背景分离，达到SOTA（State of the Art，即当前最佳）水平。RMBG-2.0...

JanusFlow是DeepSeek推出的 Janus 系列，用在多模态理解和生成任务的模型，整合自回归语言模型与校正流技术，在单一模型中实现图像理解和生成。框架基于解耦...