近日，GitHub上发布了一个名为LHM（Large Animatable Human Reconstruction Model）的开源项目，该项目展示了如何通过单张图像快速生成一个完全可动画的3D人体模型。这一技术突破不仅展示了计算机视觉领域的重大进展...

Hugging Face的Open-R1项目旨在提供一个更为稳健和功能完备的解决方案，同时保持其最小化和可扩展性。该项目通过增加监督微调（SFT）步骤和数据蒸馏技术，进一步提升了模型的性能和适应性。这些改进使得Open-R1在处...

Stability AI近日发布了一款强大的多视角虚拟相机系统，该系统能够实现新颖视图合成（Novel View Synthesis），为用户提供了一种高效且非商业化的解决方案。虽然该技术尚未达到行业最先进水平，但其优势在于仅需两次...

MMS-LLaMA是一款高效的多模态语音大语言模型框架，专注于自动视觉语音识别（AVSR），在优化标记长度的同时保留了语言内容。该框架通过整合视觉和语音数据，提供了一种全新的方法来提升语音识别的准确性和效率。MMS-L...

OWL（Optimized Workforce Learning Agent）是一个新兴的智能体框架，以其高效性和灵活性吸引了业界的广泛关注。该框架不仅在设计上体现出高度的合理性，而且在性能上也表现出色。OWL 允许开发人员通过简单的方式进...

Open Sora项目自模型首次发布以来，一直在积极推进，并以低于20万美元的成本训练出了一个具有竞争力的模型。此次，项目团队全面公开了所有代码和模型权重，旨在帮助研究人员和开发者复现其实验结果。尽管模型的动态...

近日，GitHub上发布了一个名为REF-VLM的开源项目，该项目通过引入基于三元组的结构化表示，统一了多模态大语言模型（LLMs）中的视觉解码任务。多模态LLMs是当前人工智能领域的前沿技术，能够在处理视觉和文本信息时...

近日，GitHub上开源了一个名为Agent S的计算机使用系统，其强大的功能引起了广泛关注。Agent S在浏览器、桌面系统甚至移动设备任务处理方面均表现出色，达到了行业领先水平。作为一个开源项目，Agent S不仅提供了高...