I2VGen-XL：阿里推出的图像到视频生成模型
I2VGen-XL是什么 I2VGen-XL 是阿里巴巴达摩院推出的一款开源的图像到视频的生成模型，通过创新的级联扩散方法，将文本视频数据与视频结构解耦，同时利用静态图像…
RDT – 清华开源的双臂机器人扩散基础模型
RDT是什么 RDT（Robotics Diffusion Transformer）是清华大学AI研究院TSAIL团队推出的全球最大的双臂机器人操作任务扩散基础模型。RD…
UniEdit – 免训练调优的统一视频编辑框架
UniEdit是什么 UniEdit是由浙江大学、微软研究院和北京大学的研究人员推出的一个创新的视频编辑框架，允许用户在不需要进行模型微调的情况下，对视频的运动和外观进行…
VideoGigaGAN – Adobe推出的AI视频分辨率提升模型
VideoGigaGAN是什么 VideoGigaGAN是由Adobe和马里兰大学的研究人员提出的一种新型的生成式视频超分辨率（VSR）模型，最高可将视频分辨率提升8倍，…
MagicVideo-V2：字节跳动推出的AI视频生成模型
MagicVideo-V2是什么 MagicVideo-V2 是字节跳动公司团队开发的一款AI视频生成模型和框架，通过将文本到图像模型、视频运动生成器、参考图像嵌入模块和…
Apollo – Meta 联合斯坦福大学推出的大型多模态模型
Apollo是什么 Apollo是Meta和斯坦福大学合作推出的大型多模态模型（LMMs），专注于视频理解。Apollo基于系统研究，揭示视频理解在LMMs中的关键驱动因…
DUSt3R – 从任意图像集合中重建3D场景的框架
DUSt3R是什么 DUSt3R（Dense and Unconstrained Stereo 3D Reconstruction，密集无约束立体三维重建）是由来自芬兰阿…
Vidu – 生数科技发布的视频大模型，可生成16秒1080P的视频
Vidu是什么 Vidu是生数科技推出的AI视频生成平台，集成Vidu Q2、Vidu Q3等先进模型，支持图生视频、文生视频和参考生视频功能。用户能通过上传图片、输入文…
Motionshop – 阿里推出的AI角色动画项目，可替换视频人物为3D
Motionshop是什么 Motionshop是阿里巴巴智能计算研究院（XR实验室和TIDE三维渲染团队）推出的一个AI角色动画框架，可将视频中的人物角色替换为3D化身…
BrushEdit – 腾讯和北大等联合推出的图像编辑框架，指令引导图像编辑和修复
BrushEdit是什么 BrushEdit是腾讯、北京大学、香港中文大学及清华大学联合推出的先进图像编辑框架，是BrushNet模型的高级迭代版本。
Clapper – 免费开源的可视化AI视频编辑工具
Clapper是什么 Clapper 是一款免费开源的可视化AI视频编辑工具，由 HuggingFace 的AI前端工程师 Julian Bilcke 开发。集成多种生成…
ScreenAI – 谷歌推出的可读屏AI视觉模型，可理解UI和信息图表
ScreenAI是什么 ScreenAI是一个由谷歌的研究人员推出的可读屏AI视觉语言模型，专门设计用于理解和处理用户界面（UI）和信息图表。
PuLID – 字节跳动开源的个性化文本到图像生成框架
PuLID是什么 PuLID是由字节跳动的团队开源的一种个性化文本到图像生成技术，通过对比对齐和快速采样方法，实现了无需调整模型的高效ID定制，轻松实现图像换脸效果。
AnyText – 阿里开源的视觉图像文字生成和编辑模型
AnyText是什么 AnyText是阿里巴巴智能计算研究院的团队推出的一个基于扩散的多语言视觉文本生成和编辑模型，专注于在图像中渲染准确和连贯的文本。AnyText包括…
Bocha Semantic Reranker – 博查推出的语义排序模型
Bocha Semantic Reranker是什么 Bocha Semantic Reranker是博查AI推出的语义排序模型，能提升搜索应用和RAG应用中的搜索结果准…
UniTalker – 商汤推出的音频驱动3D面部动画生成模型
UniTalker是什么 UniTalker是推出的音频驱动3D面部动画生成模型，能根据输入的音频生成逼真的面部动作。采用统一的多头架构模型，用带有不同标注的数据集，支持…
