深度学习

1. 首页
2. 深度学习

WebSSL

WebSSL是由Meta和纽约大学等机构开发的视觉自监督学习模型，基于大规模网络图像数据训练，无需语言监督即可学习有效视觉表示。其包含多个变体，参数规模从3亿到70亿不等，在多模态任务如视觉问答、OCR和图表理解中表现出色。通过筛选含文本图像数据，显著提升特定任务性能。模型具备良好的扩展性，适用于智能客服、文档处理、医疗影像分析等多个领域。

AI项目与工具 2025年06月11日 92 点赞 0 评论 648 浏览

CineMaster

CineMaster是快手推出的3D感知视频生成框架，支持通过文本提示及深度图、相机轨迹等控制信号生成高质量视频内容。其核心功能包括3D物体与摄像机控制、交互式设计、自动化数据标注和高质量视频输出。采用两阶段工作流程与扩散模型技术，结合语义布局控制网络与摄像机适配器，提升视频生成的精确度与灵活性。适用于影视制作、广告营销、游戏开发等多个领域。

AI项目与工具 2025年06月12日 68 点赞 0 评论 648 浏览

BEN2

BEN2是一款由Prama LLC开发的深度学习图像和视频处理工具，专注于高效、精准的背景移除与前景分割。采用置信度引导抠图技术，可处理复杂细节，如头发和边缘，确保高精度分割。支持4K图像处理，具备GPU加速功能，适用于图像编辑、视频剪辑及批量处理等多种应用场景。

AI项目与工具 2025年06月12日 60 点赞 0 评论 645 浏览

HealthGPT

HealthGPT是由多家高校与企业联合开发的医学视觉语言模型，支持医学图像分析、视觉问答、文本生成及多模态融合等任务。其核心技术包括异构低秩适应（H-LoRA）、分层视觉感知（HVP）和三阶段学习策略（TLS），可高效处理复杂医疗数据。模型适用于医学诊断、教育、研究及健康管理等多个场景，具有良好的适应性和实用性。

AI项目与工具 2025年06月12日 80 点赞 0 评论 643 浏览

PGTFormer

PGTFormer是一款先进的视频人脸修复框架，通过解析引导的时间一致性变换器恢复视频中的高保真细节，同时增强时间连贯性。该方法无需预对齐，通过语义解析选择最佳人脸先验，并结合时空Transformer模块和时序保真度调节器，实现了高效且自然的修复效果。其主要功能包括盲视频人脸修复、语义解析引导、时间一致性增强、时空特征提取、端到端修复和时序保真度调节。PGTFormer适用于电影和视频制作、视频

AI项目与工具 2025年06月12日 90 点赞 0 评论 642 浏览

Pollinations.AI

Pollinations.AI是一个开源AI内容生成平台，提供图像生成、文本生成、音频转换及视觉分析等功能。用户无需注册即可使用，支持多种模型和参数配置，适合开发者和创作者快速集成与应用。平台还提供浏览器开发环境，简化了使用流程，提升了效率。

AI项目与工具 2025年06月11日 50 点赞 0 评论 642 浏览

Fish Agent

Fish Agent是一款集成了自动语音识别（ASR）与文本到语音（TTS）技术的端到端语音处理工具，能够直接实现语音到语音的转换，无需传统语义编码器/解码器。它支持多种语言，适用于语音转换、环境音频信息捕捉等场景，并基于深度学习技术优化了语音处理性能。Fish Agent可广泛应用于内容创作、教育、客户服务及娱乐等领域。

AI项目与工具 2025年06月12日 17 点赞 0 评论 640 浏览

Web2GPT

Web2GPT 是一款由长亭科技推出的智能工具，可将传统网站快速转化为功能完善的 AI 应用。它支持自然语言交互、多轮对话和个性化服务，具备强大的安全性和多平台集成能力。用户可通过一键转化、智能问答、智能操作等功能快速部署 AI 助手，广泛应用于客服、教育、金融等领域。工具支持自动学习、内容采集与知识库构建，简化了 AI 应用的开发流程，提升了用户体验和运营效率。

AI项目与工具 2025年06月11日 59 点赞 0 评论 640 浏览

夸克灵知大模型

夸克灵知大模型是一款具备高阶推理能力的智能学习工具，专为不同阶段的学习者设计。它提供详尽的题目解析、启发式教学及实时互动功能，涵盖K12教育、高等教育及成人教育等多个领域，助力用户全面提升学习效率和理解力。

AI项目与工具 2025年06月12日 94 点赞 0 评论 639 浏览

Plask

​Plask，一种基于 Web 的 AI 解决方案，用于生成 生成具有定制姿势和角度的3D 图像。 而无需花费数小时在绘图、摆姿势和渲染上。

3D&游戏 2025年06月05日 40 点赞 0 评论 638 浏览