Gemini Robotics
Gemini Robotics 是谷歌 DeepMind 基于 Gemini 2.0 开发的机器人系统，融合视觉-语言-动作模型，支持复杂任务执行与环境适应。具备三维空间理解、物体检测、轨迹预测和开放词汇指令执行能力，适用于工业制造、物流仓储、家庭服务、医疗健康等多个领域。系统通过数据驱动训练，结合真实操作与多模态信息，实现高效、灵活的机器人控制。
应用
CountAnything
CountAnything是一款结合计算机视觉技术的计数工具，用户可通过拍照或上传图片标注样本，实现物品的自动计数。其功能涵盖工业、农业、物流及建筑等多个应用场景，支持历史数据保存、结果定制等功能，帮助用户提升工作效率与准确性。
Recraft V3
Recraft V3是一款基于AI的文本到图像生成模型，以其高质量的图像生成能力和先进的设计控制功能闻名。支持长文本输入、品牌风格定制以及多平台接入，适用于平面设计、品牌标识、内容创作、电子商务和游戏开发等多个领域，为用户提供了便捷高效的图像生成工具。
TransPixar
TransPixar是由多所高校及研究机构联合开发的开源文本到视频生成工具，基于扩散变换器（DiT）架构，支持生成包含透明度信息的RGBA视频。该技术通过alpha通道生成、LoRA微调和注意力机制优化，实现高质量、多样化的视频内容生成。适用于影视特效、广告制作、教育演示及虚拟现实等多个领域，为视觉内容创作提供高效解决方案。
Motion Dreamer
Motion Dreamer是由香港科技大学（广州）研发的视频生成框架，采用两阶段架构生成物理合理的视频内容。通过引入“实例流”实现从稀疏到密集的运动控制，支持用户以少量提示生成时间连贯的视频。其随机掩码训练策略增强了模型的推理能力与泛化性能，已在多个数据集上验证其优越性。适用于视频创作、动画制作、VR/AR及自动驾驶等多个领域。
