学习

1. 首页
2. 学习

LongLLaVA

LongLLaVA是由香港中文大学（深圳）研究团队开发的多模态大型语言模型，结合Mamba和Transformer模块，利用2D池化技术压缩图像token，大幅提升处理大规模图像数据的效率。该模型在视频理解、高分辨率图像分析及多模态代理任务中表现优异，特别擅长检索、计数和排序任务。其技术亮点包括渐进式训练策略和混合架构优化，支持多种多模态输入处理，广泛应用于视频分析、医学影像诊断、环境监测等领域。

AI项目与工具 2025年06月12日 67 点赞 0 评论 360 浏览

Step-1V

覆盖了从个人使用到企业级应用的多个方面的多模态大模型。

Ai平台模型 1970年01月01日 0 点赞 0 评论 360 浏览

Midjourney绘制专属LOGO！

快速掌握AI绘Logo技巧，从0到...

媒体资讯 1970年01月01日 0 点赞 0 评论 361 浏览

NaturalReaders

一款文本转语音软件和Ai语音生成器，可以将文本、PDF和其他格式转换为音频，让用户可以听取他们的文件、电子书和学习材料。

Ai语音工具 2025年06月05日 13 点赞 0 评论 361 浏览

Blockode AI Photo Studio

Blockode AI Photo Studio。这是一个基于 Web 的工具，可让您根据自拍和提示生成自定义 AI 照片。

Ai图片处理 2025年06月05日 82 点赞 0 评论 361 浏览

Eagle 2.5

Eagle 2.5 是一款由英伟达开发的视觉语言模型，专注于长上下文多模态学习，具备处理高分辨率图像和长视频序列的能力。其参数规模为 8B，但性能接近更大模型。采用信息优先采样和渐进式后训练策略，提升模型稳定性与适应性。支持多样任务，适用于视频分析、图像处理、内容创作及教育等多个领域。

AI项目与工具 2025年06月11日 59 点赞 0 评论 361 浏览

Perplexideez

Perplexideez 是一款基于 AI 技术的本地化助手，支持用户在网络和自托管应用中高效搜索信息。它具备多用户支持、单点登录、网络搜索优化、结论来源追踪、个性化学习建议等功能，适用于个人知识管理、企业内部搜索、学术研究、教育和开发等领域。其核心技术包括 LLM 自然语言处理、Postgres 数据库支持及容器化部署。

AI项目与工具 2025年06月12日 92 点赞 0 评论 362 浏览

PDFMathTranslate

PDFMathTranslate是一款专注于科技文档翻译的开源工具，能够精准保留PDF文档的排版格式，包括公式、图表和目录结构。支持双语对照查看，兼容多种翻译服务，可实现全文或局部翻译，适用于学术研究、教育、技术文档、法律文件等多个领域。

AI项目与工具 2025年06月12日 85 点赞 0 评论 362 浏览

Franz AI

使用OpenAI API重写文本的Chrome扩展。

AI写作对话 1970年01月01日 0 点赞 0 评论 363 浏览

Florence

Florence-2是微软Azure AI团队研发的多功能视觉模型，支持图像描述、目标检测、视觉定位和图像分割等功能。该模型基于Transformer架构，采用序列到序列学习方法，利用自注意力机制实现多模态信息融合。通过训练大规模数据集，Florence-2在多个应用场景中表现出色，包括图像和视频分析、内容审核、辅助驾驶、医疗影像分析以及零售和库存管理。

AI项目与工具 2025年06月12日 67 点赞 0 评论 363 浏览