基于下一标记预测的创新物体识别技术
nxtp项目开发了一种创新的物体识别方法,将任务转化为下一标记预测。该技术利用语言模型嵌入扩展预测空间,实现开放式标签生成。通过自回归处理和高效采样,nxtp可进行大规模标签预测,如生成前100个最可能的标签。这一方法无需预定义标签集,为计算机视觉领域的物体识别提供了更灵活的解决方案。
arXiv | Colab | 文档 | Hugging Face
<p align="center"> <img src="https://raw.githubusercontent.com/kaiyuyue/nxtp/main/assets/teaser-dark-mode.svg#gh-dark-mode-only"> <img src="https://raw.githubusercontent.com/kaiyuyue/nxtp/main/assets/teaser-light-mode.svg#gh-light-mode-only"> </p>我们的模型对"塞尔达传说:王国之泪"图像的前30个预测及其概率 1。
这是论文将物体识别视为下一个标记预测的官方PyTorch实现,该论文已被CVPR 2024接收(亮点论文)。
@inproceedings{nxtp, title = {{Object Recognition as Next Token Prediction}}, author = {Kaiyu Yue and Bor-Chun Chen and Jonas Geiping and Hengduo Li and Tom Goldstein and Ser-Nam Lim}, booktitle = {Computer Vision and Pattern Recognition Conference (CVPR)}, year = {2024} }
2024年5月26日
2024年3月17日
2024年3月3日
本项目深入研究计算机视觉中的一个基本问题——物体识别,将图像转换为物体标签。
<p align="center"> <br/> <img width="768" src="https://raw.githubusercontent.com/kaiyuyue/nxtp/main/assets/intro-dark-mode.svg#gh-dark-mode-only"> <img width="768" src="https://raw.githubusercontent.com/kaiyuyue/nxtp/main/assets/intro-light-mode.svg#gh-light-mode-only"> <br/> </p>线性模型(如ResNet)和对比模型(如CLIP)需要在推理之前预定义标签,这限制了它们在实际应用中的灵活性。
我们将W扩展到整个文本空间,使用像LLaMA的32K标记嵌入这样的语言模型。我们的模型通过自回归处理以真正开放的方式预测标签。
此外,我们的一次性采样技术能够高效地进行大规模判别预测,例如前100个标签。
<p align="center"> <br/> <img width="640" src="https://raw.githubusercontent.com/kaiyuyue/nxtp/main/assets/method-dark-mode.svg#gh-dark-mode-only"> <img width="640" src="https://raw.githubusercontent.com/kaiyuyue/nxtp/main/assets/method-light-mode.svg#gh-light-mode-only"> <br/> </p>发布的模型有1.78B参数。将模型截断至0.77B参数仍能达到有竞争力的性能(论文中的表3),该模型在解码器中仅有一个transformer块。
图像与前20个预测结果 | 注意力图 | 图像与前20个预测结果 | 注意力图 |
---|---|---|---|
<p align="left"><img width="256" height="164" src="https://yellow-cdn.veclightyear.com/835a84d5/60bcd385-72c4-4bf3-9e18-70be17d2f54a.jpg"><br/></p><details><summary>点击查看 1</summary>概率: 0.13949 - 图例 <br/>概率: 0.12399 - 天空 <br/>概率: 0.04723 - 云 <br/>概率: 0.04642 - 游戏 <br/>概率: 0.04500 - 截图 <br/>概率: 0.03189 - 顶部 <br/>概率: 0.03024 - 山 <br/>概率: 0.02262 - 悬崖 <br/>概率: 0.01790 - 世界 <br/>概率: 0.01483 - Wii <br/>概率: 0.01440 - 视频 <br/>概率: 0.01310 - 呼吸 <br/>概率: 0.01087 - 泽奥 <br/>概率: 0.00982 - 塞尔达 <br/>概率: 0.00959 - 角色 <br/>概率: 0.00865 - 岩石 <br/>概率: 0.00816 - 林克 <br/>概率: 0.00788 - 岛屿 <br/>概率: 0.00624 - 冒险 <br/>概率: 0.00591 - 女性 </details> | <p align="left"><img width="164" height="164" src="https://yellow-cdn.veclightyear.com/835a84d5/5babdb5a-489b-4c77-82ca-289d23ca0d92.png"><br/></p><details><summary>注意力图信息</summary>解码器: 层 0: 头 25 </details> | <p align="left"><img width="256" height="164" src="https://yellow-cdn.veclightyear.com/835a84d5/ce330477-7d4a-4913-9ddf-8fe6e258ed2b.jpg"></p> <details><summary>点击查看 2</summary>概率: 0.23237 - 火箭 <br/>概率: 0.10435 - 发射 <br/>概率: 0.06144 - 联盟号 <br/>概率: 0.04314 - 太空 <br/>概率: 0.03541 - 烟 <br/>概率: 0.03249 - 天空 <br/>概率: 0.01971 - 航天飞机 <br/>概率: 0.01566 - 塔 <br/>概率: 0.01551 - 巴黎 <br/>概率: 0.01229 - 云 <br/>概率: 0.01067 - 发射台 <br/>概率: 0.01050 - 角 <br/>概率: 0.00983 - 猎鹰 <br/>概率: 0.00956 - 照片 <br/>概率: 0.00834 - 升空 <br/>概率: 0.00814 - 空气 <br/>概率: 0.00779 - 任务 <br/>概率: 0.00710 - 站 <br/>概率: 0.00688 - 七月 <br/>概率: 0.00647 - 卫星 </details> | <p align="left"><img width="164" height="164" src="https://yellow-cdn.veclightyear.com/835a84d5/61422ffa-ce2d-4972-9d37-69504825c2ba.png"><br/></p><details><summary>注意力图信息</summary>解码器: 层 0: 头 0 </details> |
<p align="left"><img width="196" height="196" src="https://yellow-cdn.veclightyear.com/835a84d5/b5f3e4b0-2ef4-4fb4-9c8d-e5e440f84fd0.png"></p> <details><summary>点击查看 3</summary>概率: 0.30731 - 狗 <br/>概率: 0.13647 - 毛衣 <br/>概率: 0.11870 - 帽子 <br/>概率: 0.06812 - 围巾 <br/>概率: 0.04131 - 砖 <br/>概率: 0.03114 - 墙 <br/>概率: 0.01796 - 衬衫 <br/>概率: 0.01471 - 可爱 <br/>概率: 0.01156 - 帽子 <br/>概率: 0.00982 - 脖子 <br/>概率: 0.00929 - 顶部 <br/>概率: 0.00797 - 头 <br/>概率: 0.00777 - 无檐帽 <br/>概率: 0.00658 - 男人 <br/>概率: 0.00588 - 坐着 <br/>概率: 0.00582 - 外套 <br/>概率: 0.00524 - 夹克 <br/>概率: 0.00476 - 领子 <br/>概率: 0.00460 - 脸 <br/>概率: 0.00119 - 骨头 </details> | <p align="left"><img width="196" height="196" src="https://yellow-cdn.veclightyear.com/835a84d5/08d0e93a-6c2b-48a9-b0d5-1afd8d29cef9.png"><br/></p><details><summary>注意力图信息</summary>解码器: 层 0: 头 25 </details> | <p align="left"><img width="256" height="196" src="https://yellow-cdn.veclightyear.com/835a84d5/e13616f0-1a15-4098-a6e2-914fc14393f4.jpg"></p> <details><summary>点击查看 4</summary>概率: 0.14861 - 咖啡 <br/>概率: 0.10409 - 商店 <br/>概率: 0.08065 - 柜台 <br/>概率: 0.04603 - 酒吧 <br/>概率: 0.04055 - 餐厅 <br/>概率: 0.03691 - 内部 <br/>概率: 0.03468 - 区域 <br/>概率: 0.02638 - 商店 <br/>概率: 0.02219 - 桌子 <br/>概率: 0.01930 - 室内 <br/>概率: 0.01347 - 许多 <br/>概率: 0.01156 - 食物 <br/>概率: 0.01058 - 顾客 <br/>概率: 0.01001 - 房间 <br/>概率: 0.00923 - 星巴克 <br/>概率: 0.00853 - 面包店 <br/>概率: 0.00738 - 视图 <br/>概率: 0.00738 - 地板 <br/>概率: 0.00733 - 咖啡馆 <br/>概率: 0.00633 - 架子 </details> | <p align="left"><img width="196" height="196" src="https://yellow-cdn.veclightyear.com/835a84d5/a5957c1b-0135-420f-bb53-f399b1c663b1.png"><br/></p><details><summary>注意力图信息</summary>解码器: 层 0: 头 8 </details> |
<p align="left"><img width="256" src="https://yellow-cdn.veclightyear.com/835a84d5/86a579ff-1c8a-4f05-af1e-f507a72e3df8.png"></p> <details><summary>点击查看3</summary>概率: 0.47652 - 怪物 <br/>概率: 0.09664 - 卡通 <br/>概率: 0.03812 - 角色 <br/>概率: 0.03724 - 群组 <br/>概率: 0.03312 - 生物 <br/>概率: 0.02111 - 可爱 <br/>概率: 0.01929 - 矢量 <br/>概率: 0.01481 - 动物 <br/>概率: 0.00955 - 艺术 <br/>概率: 0.00924 - 外星人 <br/>概率: 0.00837 - 姿势 <br/>概率: 0.00604 - 泡泡 <br/>概率: 0.00553 - 眼睛 <br/>概率: 0.00533 - 颜色 <br/>概率: 0.00528 - 手 <br/>概率: 0.00477 - 设计 <br/>概率: 0.00474 - 壁纸 <br/>概率: 0.00462 - 孩子 <br/>概率: 0.00445 - 人物 <br/>概率: 0.00445 - 家庭 </details> | <p align="left"><img width="164" height="164" src="https://yellow-cdn.veclightyear.com/835a84d5/739f55a9-760b-48fb-86e4-61e3aafccc92.png"><br/></p><details><summary>注意力图信息</summary>解码器: 第2层: 第7头 </details> | <p align="left"><img width="256" src="https://yellow-cdn.veclightyear.com/835a84d5/ed07b0d4-3adb-47a3-8954-54ed6eb31a52.png"></p> <details><summary>点击查看3</summary>概率: 0.54375 - 云 <br/>概率: 0.09932 - 词 <br/>概率: 0.07571 - 天空 <br/>概率: 0.03153 - 字母 <br/>概率: 0.01862 - 索拉 <br/>概率: 0.01380 - 标志 <br/>概率: 0.00995 - 文本 <br/>概率: 0.00715 - 顶部 <br/>概率: 0.00715 - 蓝色 <br/>概率: 0.00677 - 标题 <br/>概率: 0.00608 - 照片 <br/>概率: 0.00427 - 图片 <br/>概率: 0.00288 - 索诺拉 <br/>概率: 0.00269 - 中间 <br/>概率: 0.00257 - 风暴 <br/>概率: 0.00202 - 云景 <br/>概率: 0.00190 - 太阳 <br/>概率: 0.00189 - 艺术 <br/>概率: 0.00156 - 翱翔 <br/>概率: 0.00041 - 结冰的 </details> | <p align="left"><img width="164" height="164" src="https://yellow-cdn.veclightyear.com/835a84d5/a7e0c8ef-ede3-4bf5-9a4d-d66231b0deaf.png"><br/></p><details><summary>注意力图信息</summary>解码器: 第1层: 第13头 </details> |
<p align="left"><img width="256" height="196" src="https://yellow-cdn.veclightyear.com/835a84d5/8f241a06-a81c-4665-8f06-581d3cc4373a.png"></p> <details><summary>点击查看3</summary>概率: 0.15317 - 建筑 <br/>概率: 0.13619 - 波浪 <br/>概率: 0.04782 - 房间 <br/>概率: 0.03498 - 中间 <br/>概率: 0.03188 - 大厅 <br/>概率: 0.02367 - 人群 <br/>概率: 0.02135 - 海洋 <br/>概率: 0.02087 - 地板 <br/>概率: 0.01867 - 世界 <br/>概率: 0.01773 - 内部 <br/>概率: 0.01548 - 男人 <br/>概率: 0.01380 - 水 <br/>概率: 0.01205 - 视图 <br/>概率: 0.01200 - 冲浪者 <br/>概率: 0.01109 - 照片 <br/>概率: 0.00798 - 酒店 <br/>概率: 0.00734 - 城市 <br/>概率: 0.00662 - 游泳池 <br/>概率: 0.00566 - 艺术 <br/>概率: 0.00319 - 壁画 </details> | <p align="left"><img width="196" height="196" src="https://yellow-cdn.veclightyear.com/835a84d5/a89d95aa-6e70-4b25-acbb-41ae031d0214.png"><br/></p><details><summary>注意力图信息</summary>解码器: 第1层: 第16头 </details> | <p align="left"><img height="196" src="https://yellow-cdn.veclightyear.com/835a84d5/678756c7-2cb4-421a-bc03-dc177f65fd44.png"></p> <details><summary>点击查看3</summary>概率: 0.25673 - 鸟 <br/>概率: 0.21676 - 羽毛 <br/>概率: 0.18550 - 孔雀 <br/>概率: 0.04251 - 头部 <br/>概率: 0.03240 - 蓝色 <br/>概率: 0.02507 - 鸽子 <br/>概率: 0.02183 - 尾巴 <br/>概率: 0.01339 - 毛发 <br/>概率: 0.01187 - 顶部 <br/>概率: 0.00677 - 脸 <br/>概率: 0.00631 - 相机 <br/>概率: 0.00463 - 喙 <br/>概率: 0.00451 - 眼睛 <br/>概率: 0.00419 - 栅栏 <br/>概率: 0.00370 - 坐着 <br/>概率: 0.00333 - 栖息 <br/>概率: 0.00330 - 照片 <br/>概率: 0.00318 - 墙 <br/>概率: 0.00269 - 动物 <br/>概率: 0.00106 - 松鸦 </details> | <p align="left"><img width="196" height="196" src="https://yellow-cdn.veclightyear.com/835a84d5/46a99a52-68f7-4104-aafc-ef4f58bc7865.png"><br/></p><details><summary>注意力图信息</summary>解码器: 第1层: 第25头 </details> |
<p align="left"><img width="256" height="196" src="https://yellow-cdn.veclightyear.com/835a84d5/4e3b3eda-e273-482e-87b2-593b1d2adc21.jpg"></p> <details><summary>点击查看 5</summary>概率: 0.07247 - 平板电脑 <br/>概率: 0.06770 - 咖啡 <br/>概率: 0.06562 - 窗户 <br/>概率: 0.05829 - 控制器 <br/>概率: 0.05668 - 游戏 <br/>概率: 0.04802 - 开关 <br/>概率: 0.04043 - Wii <br/>概率: 0.03798 - 游戏机 <br/>概率: 0.03563 - 杯子 <br/>概率: 0.02570 - 顶部 <br/>概率: 0.02067 - 马克杯 <br/>概率: 0.01808 - 屏幕 <br/>概率: 0.01344 - 视频 <br/>概率: 0.01105 - 星星 <br/>概率: 0.01092 - 任天堂 <br/>概率: 0.01055 - 电脑 <br/>概率: 0.00819 - 马里奥 <br/>概率: 0.00815 - 遥控器 <br/>概率: 0.00736 - 控制 <br/>概率: 0.00393 - 窗台 </details> | <p align="left"><img width="196" height="196" src="https://yellow-cdn.veclightyear.com/835a84d5/883f6cda-53ad-4c32-b45e-f1c270a008cb.png"><br/></p><details><summary>注意力图信息</summary>解码器: 层 0: 头 12 </details> | <p align="left"><img width="256" height="196" src="https://yellow-cdn.veclightyear.com/835a84d5/5754728a-1bcd-4e96-921e-99afa92dd394.jpg"></p> <details><summary>点击查看 6</summary>概率: 0.36523 - 飞机 <br>概率: 0.09151 - 货物 <br>概率: 0.07531 - 飞机 <br>概率: 0.05538 - 船 <br>概率: 0.04223 - 集装箱 <br>概率: 0.03105 - 水 <br>概率: 0.03040 - 视图 <br>概率: 0.02277 - 码头 <br>概率: 0.01685 - 港口 <br>概率: 0.01434 - 天空 <br>概率: 0.01328 - 航运 <br>概率: 0.00788 - 中间 <br>概率: 0.00751 - 机身 <br>概率: 0.00717 - 照片 <br>概率: 0.00715 - 喷气机 <br>概率: 0.00714 - 城市 <br>概率: 0.00621 - 海洋 <br>概率: 0.00615 - 货运 <br>概率: 0.00609 - 船 <br>概率: 0.00320 - 运输 </details> | <p align="left"><img width="196" height="196" src="https://yellow-cdn.veclightyear.com/835a84d5/e0771041-f0b1-4f3c-ab16-debd6ab7a6ac.png"><br/></p><details><summary>注意力图信息</summary>解码器: 层 2: 头 14 </details> |
<p align="left"><img height="196" src="https://yellow-cdn.veclightyear.com/835a84d5/7a2e986c-8ee4-4b82-b5c9-74ba309bd5ee.jpg"></p> <details><summary>点击查看 6</summary>概率: 0.15236 - 糖果 <br/>概率: 0.12271 - 毛衣 <br/>概率: 0.11457 - 眼镜 <br/>概率: 0.10593 - 狗 <br/>概率: 0.08311 - 椅子 <br/>概率: 0.07111 - 手杖 <br/>概率: 0.04701 - 太阳镜 <br/>概率: 0.04589 - 圣诞 <br/>概率: 0.02361 - 服装 <br/>概率: 0.02085 - 穿着 <br/>概率: 0.01870 - 帽子 <br/>概率: 0.00734 - 头部 <br/>概率: 0.00636 - 顶部 <br/>概率: 0.00577 - 装扮 <br/>概率: 0.00520 - 巧克力 <br/>概率: 0.00437 - 霍利 <br/>概率: 0.00362 - 西装 <br/>概率: 0.00344 - 衬衫 <br/>概率: 0.00322 - 草莓 <br/>概率: 0.00211 - 假发 </details> | <p align="left"><img width="196" height="196" src="https://yellow-cdn.veclightyear.com/835a84d5/eae0c03d-d137-4662-b434-52f08b97676e.png"><br/></p><details><summary>注意力图信息</summary>解码器: 层 1: 头 16 </details> | <p align="left"><img width="256" height="196" src="https://yellow-cdn.veclightyear.com/835a84d5/df98118b-40da-4a62-b695-dfcb26d80770.jpg"></p> <details><summary>点击查看 6</summary>概率: 0.19960 - 客厅 <br/>概率: 0.16291 - 房间 <br/>概率: 0.11353 - 沙发 <br/>概率: 0.06036 - 长沙发 <br/>概率: 0.04741 - 地毯 <br/>概率: 0.04704 - 咖啡 <br/>概率: 0.03795 - 狗 <br/>概率: 0.03659 - 墙 <br/>概率: 0.02980 - 桌子 <br/>概率: 0.01611 - 地板 <br/>概率: 0.01594 - 灰色 <br/>概率: 0.01472 - 木头 <br/>概率: 0.01353 - 家具 <br/>概率: 0.01314 - 植物 <br/>概率: 0.01274 - 壁炉 <br/>概率: 0.01161 - 枕头 <br/>概率: 0.00941 - 椅子 <br/>概率: 0.00512 - 家 <br/>概率: 0.00434 - 毯子 <br/>概率: 0.00351 - 艺术 </details> | <p align="left"><img width="196" height="196" src="https://yellow-cdn.veclightyear.com/835a84d5/f07d37f9-df62-4667-8269-7e1bec967181.png"><br/></p><details><summary>注意力图信息</summary>解码器: 层 1: 头 16 </details> |
下表显示了使用前10个预测在验证集上复现的召回率结果(论文表1中的R列)。
<table> <tbody> <th valign="bottom">参数量</th> <th valign="bottom">训练组</th> <th valign="bottom">检查点</th> <th valign="bottom">md5</th> <th valign="bottom">CC3M</th> <th valign="bottom">COCO</th> <th valign="bottom">OpenImages</th> <tr> <td align="center">1.78B</td> <td align="center"> G3M</td> <td align="center"><a href="https://huggingface.co/kaiyuyue/nxtp/blob/main/ckpt_epoch_03_iter_0021360.pth">Hugging Face</a></td> <td align="center"><tt>b2a69b</tt></td> <td align="center">0.740</td> <td align="center">0.703</td> <td align="center">0.616</td> </tr> <tr> <td align="center">1.78B</td> <td align="center">G70M</td> <td align="center"><a href="https://huggingface.co/kaiyuyue/nxtp/blob/main/ckpt_epoch_03_iter_1656549.pth">Hugging Face</a></td> <td align="center"><tt>e177c7</tt></td> <td align="center">0.721</td> <td align="center">0.765</td> <td align="center">0.662</td> </tr> </tbody> </table>可以从上表中的链接下载检查点。 对于从Hugging Face下载,一种选择是使用git-lfs:
# 安装git lfs git lfs install # 在终端中下载检查点 git clone https://huggingface.co/kaiyuyue/nxtp
此外,也可以从网页浏览器的模型页面下载检查点。
这里有一张图片assets/starbux.jpg用于快速测试。 首先,请按照Dependencies中的说明准备环境。
要对图像进行推理,请运行
python src/infer.py \ --ckpt-path path/to/model/checkpoint \ --img-path assets/starbux.jpg \ --num-labels 20
在G3M上训练的模型输出将是
前20个预测: | 概率:0.05742 - 咖啡 | 概率:0.05525 - 餐厅 | 概率:0.04402 - 商店 | 概率:0.02528 - 房间 | 概率:0.02468 - 店铺 | 概率:0.02381 - 室内 | 概率:0.01732 - 区域 | 概率:0.01640 - 建筑 | 概率:0.01616 - 食物 | 概率:0.01408 - 酒吧 | 概率:0.01247 - 顾客 | 概率:0.01134 - 视图 | 概率:0.01059 - 地板 | 概率 :0.01045 - 桌子 | 概率:0.00933 - 厨房 | 概率:0.00926 - 家 | 概率:0.00872 - 看 | 概率:0.00841 - 人 | 概率:0.00693 - 杯子 | 概率:0.00665 - 柜台
在G70M上训练的模型输出将是
前20个预测: | 概率:0.15203 - 咖啡 | 概率:0.09728 - 商店 | 概率:0.09182 - 柜台 | 概率:0.03848 - 室内 | 概率:0.03389 - 酒吧 | 概率:0.03215 - 餐厅 | 概率:0.02440 - 桌子 | 概率:0.02245 - 店铺 | 概率:0.01950 - 区域 | 概率:0.01905 - 内部 | 概率:0.01590 - 星巴克 | 概率:0.01313 - 咖啡馆 | 概率:0.01220 - 椅子 | 概率:0.01172 - 地板 | 概率:0.01020 - 杯子 | 概率:0.00879 - 饮料 | 概率:0.00794 - 房间 | 概率:0.00746 - 顾客 | 概率:0.00635 - 木头 | 概率:0.00345 - 面包店
本项目采用CC-BY-NC 4.0许可证。详情请见LICENSE。
<!-- 脚注 -->图片来源:<a href="https://www.nintendo.com/jp/zelda/totk/index.html">塞尔达传说 王国之泪</a>。 ↩ ↩2
图片来源:<a href="https://www.spacex.com/vehicles/falcon-9/">Space-X</a>。 ↩
图片来源:<a href="https://openai.com/sora">OpenAI Sora</a>。 ↩ ↩2 ↩3 ↩4 ↩5
图片来源:作者在星巴克店内拍摄的照片。 ↩
图片来源:<a href="https://www.instagram.com/p/C027tvEhz7J/">超级马里奥兄弟 惊奇</a>。 ↩
图片来源:<a href="https://segment-anything.com/demo">Segment Anything演示 | Meta AI</a>。 ↩ ↩2 ↩3
OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工 具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。
用于可扩展和多功能 3D 生成的结构化 3D 潜在表示
TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。
10 节课教你开启构建 AI 代理所需的一切知识
AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。
基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。
全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表
爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号