本文介紹了騰訊優(yōu)圖發(fā)布的 Real-IAD 大規(guī)模工業(yè)異常檢測數(shù)據(jù)集。闡述了該數(shù)據(jù)集規(guī)模龐大，具有豐富的多樣性、全面的異常類型覆蓋、高精度和真實性等特點，涵蓋了 30 類真實產(chǎn)線物料、150K 數(shù)據(jù)等。還提到了騰訊優(yōu)圖在深

Semikong 是專為半導體行業(yè)打造的大型語言模型，它具備深度的行業(yè)知識，能精準預(yù)測技術(shù)趨勢，高效解決相關(guān)問題。其應(yīng)用涵蓋芯片設(shè)計優(yōu)化、生產(chǎn)流程改進、市場趨勢分析等領(lǐng)域。工作原理基于自然語言處理和深度學習技術(shù)，通過

Fireworks AI 復合式 AI 模型 F1 引領(lǐng)智能潮流。它具創(chuàng)新復合架構(gòu)，多模態(tài)數(shù)據(jù)處理能力強，可精準解析文本、圖像、音頻等。在多領(lǐng)域應(yīng)用廣泛，能輔助創(chuàng)作、服務(wù)、診斷、分析等。優(yōu)勢突出，高精度且自適應(yīng)學習，推動各行業(yè)智能

“秒噠” 是百度在 2024 年 11 月 12 日百度世界大會上推出的一款創(chuàng)新無代碼工具135。它是由大模型和智能體組成的軟件，旨在讓非程序員群體也能夠輕松開發(fā)應(yīng)用程序，無需懂代碼和寫代碼，僅通過一句話就能生成軟件應(yīng)用。

百度檢索增強的文生圖技術(shù)（iRAG）是百度在 2024 年 11 月 12 日百度世界大會上推出的一項創(chuàng)新技術(shù)126。它將百度搜索的億級圖片資源與強大的基礎(chǔ)模型能力相結(jié)合，旨在解決大模型在圖片生成上的 “幻覺問題”，生成各種超真實

SeedEdit 是字節(jié)跳動研發(fā)的一款通用圖像編輯模型。它于 2024 年 11 月 11 日由字節(jié)跳動豆包大模型團隊推出，旨在為用戶提供一種全新的、智能化的圖像編輯體驗

LM Studio是什么LM Studio 是一個本地大語言模型 (LLM) 應(yīng)用平臺，開源、傻瓜、一站式部署本地大模型。包括但不限于Llama、MPT、Gemma等，LM Studio 提供了一個圖形用戶界面（GUI），即使是非技術(shù)人員...

edge-tts是什么edge-tts是開源的AI文字轉(zhuǎn)語音項目，支持超過40種語言和300多種聲音。edge-tts利用微軟Azure Cognitive Services的強大功能，能將文本信息轉(zhuǎn)換成流暢自然的語音輸出。edge-tt...

LLaVA-OneVision是什么LLaVA-OneVision是字節(jié)跳動推出開源的多模態(tài)AI模型，LLaVA-OneVision通過整合數(shù)據(jù)、模型和視覺表示的見解，能同時處理單圖像、多圖像和視頻場景下的計算機視覺任務(wù)。LLaVA-On...

MUMU是什么MUMU是一種多模態(tài)圖像生成模型，通過結(jié)合文本提示和參考圖像來生成目標圖像，從而提高生成的準確率和質(zhì)量。MUMU模型的架構(gòu)基于SDXL的預(yù)訓練卷積UNet，采用了視覺語言模型Idefics2的隱藏狀態(tài)構(gòu)建。模型在訓練時使

Video-LLaVA2是什么Video-LLaVA2是由北京大學ChatLaw課題組推出的開源多模態(tài)智能理解系統(tǒng)，通過創(chuàng)新的時空卷積（STC）連接器和音頻分支，提升了視頻和音頻理解能力。模型在視頻問答和字幕生成等多個基準測試中表現(xiàn)出色，...

HMoE是什么HMoE（混合異構(gòu)專家模型）是騰訊混元團隊提出的新型神經(jīng)網(wǎng)絡(luò)架構(gòu)，旨在提升大型語言模型的性能和計算效率。通過引入不同尺寸的專家來處理不同復雜性的輸入數(shù)據(jù)，從而增強模型的專業(yè)化程度。HMoE采用新的訓練目標和

LitServe是什么LitServe是基于FastAPI的高性能AI模型部署引擎，專為企業(yè)級AI服務(wù)設(shè)計。支持批處理、流式處理和GPU自動擴展，簡化了模型部署流程。LitServe易于安裝和使用，通過pip即可安裝，提供靈活的API定義...

CustomCrafter是什么CustomCrafter 是騰訊和浙江大學聯(lián)合提出的自定義視頻生成框架，能基于文本提示和參考圖像生成高質(zhì)量的個性化視頻，同時保留了運動生成和概念組合的能力。CustomCrafter通過設(shè)計一系列靈活的模...

LeRobot是什么LeRobot是由HuggingFace推出的開源AI聊天機器人項目，由前特斯拉研究員Remi Cadene領(lǐng)導開發(fā)。LeRobot致力于降低機器人技術(shù)的入門門檻，提供預(yù)訓練模型、數(shù)據(jù)集和模擬環(huán)境，支持模仿學習和強化學...

LongVILA是什么LongVILA是一個面向長視頻理解的視覺語言AI模型，由英偉達、MIT、UC 伯克利、得克薩斯大學奧斯汀分校共同開發(fā)。通過算法和系統(tǒng)的共同設(shè)計，實現(xiàn)了在大量GPU上進行超長上下文長度訓練的能力，無需梯度檢查點

EasyOCR是什么EasyOCR 是一個功能強大的開源OCR（光學字符識別）項目，支持80多種語言和多種書寫系統(tǒng)，包括中文、阿拉伯文和西里爾文。基于深度學習技術(shù)，提供高精度的文字識別能力。用戶可以通過簡單的API輕松地將圖像中的文

OmniCorpus是什么OmniCorpus是一個大規(guī)模多模態(tài)數(shù)據(jù)集，包含86億張圖像和16960億個文本標記，支持中英雙語。由上海人工智能實驗室聯(lián)合多所知名高校及研究機構(gòu)共同構(gòu)建。OmniCorpus通過整合來自網(wǎng)站和視頻平臺的文本和...

LTM-2-mini是什么LTM-2-mini是Magic公司推出的支持1億token上下文AI模型，能處理相當于1000萬行代碼或750本小說的內(nèi)容。LTM-2-mini采用序列維度算法，計算效率比Llama 3.1 405B的注意力機...

STranslate是什么STranslate是專為Windows用戶設(shè)計的多功能翻譯和OCR工具。支持多種語言翻譯，具備劃詞、截圖、監(jiān)聽剪貼板等多種翻譯方式，并提供多家翻譯服務(wù)接口。還擁有基于PaddleOCR的離線OCR功能，支持中文...

GPTEngineer是什么GPTEngineer 是一個基于 AI 技術(shù)通過簡單的文本提示快速生成網(wǎng)頁應(yīng)用原型的開源工具。用戶只需描述需求，AI 能自動編寫并執(zhí)行代碼，支持與 GitHub 同步和一鍵部署。GPTEngineer底層使用...

VectorVein是什么VectorVein 是一款開源的無代碼AI工作流工具，通過簡化的拖拽操作，讓用戶無需編程知識即可構(gòu)建智能工作流，實現(xiàn)日常任務(wù)的自動化。VectorVein支持數(shù)據(jù)處理、分析和知識管理等多種應(yīng)用場景，具備無代碼、...

OpenCity是什么OpenCity是由香港大學聯(lián)合華南理工大學和百度共同研發(fā)的交通預(yù)測模型。OpenCity采用Transformer架構(gòu)和圖神經(jīng)網(wǎng)絡(luò)，通過大規(guī)模預(yù)訓練學習交通數(shù)據(jù)的時空依賴關(guān)系，具備卓越的零樣本預(yù)測能力和快速情境適應(yīng).

PGTFormer是什么PGTFormer是先進的視頻人臉修復框架，通過解析引導的時間一致性變換器來恢復視頻中的高保真細節(jié)，同時增強時間連貫性。該方法無需預(yù)對齊，基于語義解析選擇最佳人臉先驗，并通過時空Transformer模塊和時序保

Eagle是什么Eagle是英偉達推出的多模態(tài)大模型，擅長處理高達1024×1024像素的圖像，顯著提升視覺問答和文檔理解能力。Eagle模型采用多專家視覺編碼器架構(gòu)，通過簡單高效的特征融合策略，實現(xiàn)對圖像內(nèi)容的深入理解。Eagle模型