Project Icon

uform

用于内容理解和生成的袖珍型多模态 AI

UForm是一个全面的多模态AI库,涵盖了从文本到图像,乃至视频剪辑的生成与理解等多种功能。支持多种语言,包含轻量级生成模型及高效的预训练变压模型,能够广泛应用于从服务器到智能手机等不同设备。主要优势包括快速的搜索性能、简易的模型部署过程及卓越的多语言应用能力,适用于快速嵌入、语义搜索、图像标题生成和视觉问答等多种场景。

uform-gen2-qwen-500m - 小型多模态模型实现图像描述和视觉问答
GithubHuggingfaceUForm图像理解图像生成多模态AI开源项目模型视觉问答
UForm-Gen2-Qwen-500m是一款小型视觉语言模型,专注于图像描述和视觉问答。模型结合了ViT-H/14和Qwen1.5-0.5B-Chat,通过预训练和微调提升性能。支持图像描述、问答和多模态聊天功能,在多项基准测试中表现良好,适用于计算资源有限的场景。
uform-gen2-dpo - 基于偏好优化的视觉语言模型 用于图像描述和视觉问答
GithubHuggingfaceUForm-Gen2-dpo图像描述多模态模型开源项目模型深度学习视觉问答
UForm-Gen2-dpo是一个经过直接偏好优化(DPO)训练的视觉语言模型,专门用于图像描述和视觉问答。该模型结合了CLIP式ViT-H/14视觉编码器和Qwen1.5-0.5B-Chat语言模型,能够生成准确的图像描述、回答图像相关问题,并支持多模态对话。在MME基准测试中,UForm-Gen2-dpo在感知、推理、OCR等多个图像理解任务上展现出优秀性能,为视觉语言处理提供了高效可靠的解决方案。
mindformers - 全流程大模型开发套件
GithubMindSporeTransformers大模型开源项目自然语言处理计算机视觉
MindFormers是基于MindSpore的大模型开发套件,提供全流程开发能力。支持LLama2、GLM2、BERT等主流Transformer模型和文本生成、图像分类等任务。具备并行训练、灵活配置、自动优化等特性,可实现从单卡到集群的无缝扩展。提供高阶API和预训练权重自动下载,便于AI计算中心快速部署。
unified-io-2 - 跨模态人工智能的开源新标杆
GithubUnified-IO 2人工智能多模态模型开源项目机器学习深度学习
Unified-IO 2是一个开源的多模态AI框架,集成视觉、语言、音频和动作处理能力。项目提供完整代码支持演示、训练和推理,适用于TPU和GPU环境。基于T5X优化,内含多规格预训练模型和丰富数据集。其跨模态学习和生成能力为AI研究与应用提供了新的可能性。项目采用模块化设计,便于研究人员和开发者进行二次开发和定制。Unified-IO 2支持多种数据格式和预处理流程,为不同任务场景提供灵活解决方案。其开源性质促进了AI社区的协作与创新,为多模态AI技术的进步做出贡献。
FormWise.AI - 无需编码快速构建并变现白标AI工具的平台
AI工具FormWise定制化白标营销
FormWise.AI为教练、创作者和营销人员提供无需编码的AI工具创建平台。支持快速部署白标聊天机器人、协作助手和动态引导资料等AI工具。平台集成多种GPT引擎,提供140+模板,支持无限制创建工具。这些工具可轻松嵌入网站或门户,为终端用户增值并创造收入。FormWise.AI致力于帮助企业便捷地将AI功能融入产品和服务中。
featureform - 使数据科学家能够定义、管理并服务于机器学习模型的特征的虚拟特征库
FeatureformGithub开源开源项目数据科学机器学习特征存储
Featureform 是一个虚拟特征库,使数据科学家能够定义、管理并服务于机器学习模型的特征。它通过协调现有基础设施,将变换、特征、标签和训练集标准化,促进团队协作和资源共享。Featureform 支持从个人数据科学家到大型企业团队的多种应用场景,并提供内置合规支持,包括角色访问控制和审计日志。该开源项目兼容现有数据基础设施,适用于本地和云端部署。
unilm - Unilm项目实现跨任务、语言和模态的大规模自监督预训练
Foundation ModelsGithubLarge-scaleMulti-modalTorchScale开源项目预训练
Unilm项目跨越100多种语言及包括语言、视觉、语音及其交互的多种模态,专注于基础模型和普适AI的研究。该项目已开发多种新型架构如DeepNet、Magneto,并通过稳定高效的训练方法增强模型的通用性和能力。此外,项目已发布关键技术如E5、BEiT-3,涵盖自然语言处理、机器翻译、文档AI及多模态AI等领域,为AI技术的前沿发展和实际应用做出了显著进展。
OmniFusion - 整合多模态数据的先进人工智能系统
GithubOmniFusion图像处理多模态AI模型开源项目深度学习自然语言处理
OmniFusion是一个整合多模态数据的人工智能系统,基于Mistral-7B核心和CLIP-ViT-L视觉编码器。通过创新的适配器机制,该系统能够处理图像等多种数据形式,在图像描述和视觉问答等任务中展现出优秀性能。OmniFusion由AIRI研究所FusionBrain团队与Sber AI合作开发,目前主要处理图像数据,未来计划扩展到音频等更多模态。
unify - 整合多模型使用与提升性能的工具
APIGithubLLMUnify开源项目性能提升模型切换
Unify通过统一接口简化了不同提供商Large Language Models(LLM)的使用,无需管理多个API密钥或处理不同格式。用户可以通过自定义测试和评估,优化模型质量、成本和速度,并实现最佳模型路由,快速部署应用。安装包并获取API密钥后,即可管理模型、提供商与端点,自定义提示、多消息发送及异步处理和流式响应。更多详情,请访问Unify文档。
labelU - 多模态数据标注平台 支持图像视频音频处理
GithubLabelU人工智能多模态数据开源平台开源项目数据标注
LabelU是一个多模态数据标注平台,提供图像、视频和音频处理工具。支持2D边界框、语义分割、多边形和关键点等图像标注功能,以及视频分割、分类和信息提取。具备音频分析能力,支持AI辅助标注。适用于数据分析和模型训练,提高标注效率和准确性。
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

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

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