Project Icon

MINT-1T

万亿级开源多模态数据集推动AI研究

MINT-1T是一个大规模开源多模态数据集,包含1万亿文本标记和34亿张图像,比现有开源数据集规模扩大约10倍。该数据集首次纳入PDF和ArXiv论文等新数据源,提供HTML、PDF和ArXiv等多个子集。MINT-1T旨在为大规模多模态AI模型研究提供丰富的训练资源,其规模和多样性有望促进多模态AI技术的发展。

m2m100_1.2B - 先进的多语言机器翻译模型实现百种语言无障碍转换
GithubHuggingfaceM2M100多语言翻译开源项目机器学习模型深度学习自然语言处理
m2m100_1.2B是一款革新性的多语言机器翻译模型,覆盖100种语言的9900个翻译方向。该模型采用编码器-解码器架构,能够实现高质量的直接语言转换,无需中间语言过渡。这一突破性技术为全球跨语言交流提供了高效便捷的解决方案,在机器翻译领域具有重要意义。
IncarnaMind - 跨文档智能查询与大型语言模型交互系统
GithubIncarnaMindLLM模型多文件查询开源支持开源项目适应性分块
IncarnaMind提供创新的交互平台,允许用户利用GPT等大型语言模型与各类文档(PDF、TXT)进行对话互动。平台特色功能包括采用适应性强的滑动窗口分块技术,实现精准与泛化信息检索,支持多文档同时查询,有效突破单文档限制。完美兼容OpenAI GPT、Anthropic Claude等多种开源LLM,支持多平台和硬件环境。
LLaVA-NeXT - 大规模开源多模态模型提升视觉语言能力
AI助手GithubLLaVA-NeXT多模态模型大语言模型开源项目视觉语言模型
LLaVA-NeXT是一个开源的大规模多模态模型项目,致力于提升视觉语言交互能力。该项目支持多图像、视频和3D任务的统一处理,在多个基准测试中表现卓越。LLaVA-NeXT提供了多个模型变体,包括支持高分辨率输入和视频处理的版本,以及基于不同大语言模型的实现。此外,项目还开源了训练数据和代码,为研究人员和开发者提供了宝贵资源。
Depth-Anything - 大规模无标注数据驱动的强大单目深度估计模型
Depth AnythingGithub人工智能图像处理开源项目深度估计计算机视觉
Depth Anything是一款基于大规模数据训练的单目深度估计模型。它利用150万标注图像和6200万无标注图像进行训练,提供小型、中型和大型三种预训练模型。该模型不仅支持相对深度和度量深度估计,还可用于ControlNet深度控制、场景理解和视频深度可视化等任务。在多个基准数据集上,Depth Anything的性能超越了此前最佳的MiDaS模型,展现出优异的鲁棒性和准确性。
PIXIU - 金融大规模语言模型的开发、微调与评估
FinBenFinMAGithubPIXIUThe Fin AI开源项目金融大语言模型
PIXIU 项目专注于开发、微调和评估金融领域中的大规模语言模型(LLMs)。核心组件包括 FinBen 金融语言理解和预测评估基准、FIT 金融指令数据集,以及 FinMA 金融大规模语言模型。项目提供多任务和多模态的金融数据,涵盖股票走势预测等任务,旨在促进开放研究和透明性,提供包括模型、指令调优数据和评估数据集在内的开放资源。
Chinese-CLIP - 中文多模态嵌入和检索性能优化的领先方案
Chinese-CLIPGithub图文特征提取开源项目模型下载跨模态检索零样本图像分类
Chinese-CLIP项目,基于大规模中文图文对数据,专门针对中文领域的特点进行优化,提供高效的图文特征计算与相似度测算,实现零样本分类和跨模态检索。该项目改进了多个模型,包括ViT与ResNet结构,并在多个公开数据集上展示了显著的性能提升,为中文处理场景下的企业和研究者提供强大工具。
LLaMA-VID - 支持长视频处理的多模态大语言模型
GithubLLaMA-VID多模态大语言模型开源项目视觉语言模型视频理解
LLaMA-VID是一个新型多模态大语言模型,可处理长达数小时的视频。它通过增加上下文令牌扩展了现有框架的能力,采用编码器-解码器结构和定制令牌生成策略,实现对图像和视频的高效理解。该项目开源了完整的模型、数据集和代码,为视觉语言模型研究提供了有力工具。
mtt-distillation - 合成数据集优化训练性能,广泛适用于多个领域
CIFAR-100CVPR 2022Dataset DistillationGithubImageNetSynthetic Data开源项目
通过匹配训练轨迹实现数据集蒸馏,减少模型训练所需的真实数据集数量并保持高性能。适用于ImageNet等大规模数据集,可生成低支撑的合成数据集和可拼接纹理。项目提供详细的实现步骤和代码,从下载仓库、生成专家轨迹到数据集蒸馏,帮助用户快速开始应用。还提供可视化工具和超参数设置指南,满足不同需求。此方法显著提高了模型训练效率,适合学术研究和工业应用。
YAYI - 多任务中文预训练模型,增强对话和分析功能
Github人工智能多轮对话开源开源项目指令微调雅意大模型
雅意大模型通过深度微调媒体宣传、舆情分析、公共安全等领域数据,提升了中文对话和领域分析能力。开源项目促进了中文预训练大模型社区的发展,支持全参数和LoRA微调,提供多轮对话和插件功能。基于高质量数据集训练,适用于中文多领域任务,具备优异的自然语言处理性能,持续优化安全性和拒识能力。
AliceMind - 阿里巴巴预训练编码器和解码器模型集合
AliceMindGithub优化技术多模态语言模型大规模预训练模型开源项目模型压缩
此项目涵盖了阿里巴巴机器智能实验室(MinD Lab)开发的多种预训练模型和优化技术。包括首个提升多模态大语言模型mPLUG-Owl2和多模态文档理解模型mPLUG-DocOwl。另有中文视频语言预训练数据集Youku-mPLUG和多模态语言模型mPLUG-Owl的新型训练范式。此外,还包含开放域对话系统ChatPLUG、跨文本、图像和视频的多模态基础模型mPLUG-2等,适用于语言理解、生成、表格理解和跨语言等应用场景。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号