本文介紹了騰訊優(yōu)圖發(fā)布的 Real-IAD 大規(guī)模工業(yè)異常檢測(cè)數(shù)據(jù)集。闡述了該數(shù)據(jù)集規(guī)模龐大，具有豐富的多樣性、全面的異常類型覆蓋、高精度和真實(shí)性等特點(diǎn)，涵蓋了 30 類真實(shí)產(chǎn)線物料、150K 數(shù)據(jù)等。還提到了騰訊優(yōu)圖在深

Semikong 是專為半導(dǎo)體行業(yè)打造的大型語(yǔ)言模型，它具備深度的行業(yè)知識(shí)，能精準(zhǔn)預(yù)測(cè)技術(shù)趨勢(shì)，高效解決相關(guān)問題。其應(yīng)用涵蓋芯片設(shè)計(jì)優(yōu)化、生產(chǎn)流程改進(jìn)、市場(chǎng)趨勢(shì)分析等領(lǐng)域。工作原理基于自然語(yǔ)言處理和深度學(xué)習(xí)技術(shù)，通過

Fireworks AI 復(fù)合式 AI 模型 F1 引領(lǐng)智能潮流。它具創(chuàng)新復(fù)合架構(gòu)，多模態(tài)數(shù)據(jù)處理能力強(qiáng)，可精準(zhǔn)解析文本、圖像、音頻等。在多領(lǐng)域應(yīng)用廣泛，能輔助創(chuàng)作、服務(wù)、診斷、分析等。優(yōu)勢(shì)突出，高精度且自適應(yīng)學(xué)習(xí)，推動(dòng)各行業(yè)智能

“秒噠” 是百度在 2024 年 11 月 12 日百度世界大會(huì)上推出的一款創(chuàng)新無(wú)代碼工具135。它是由大模型和智能體組成的軟件，旨在讓非程序員群體也能夠輕松開發(fā)應(yīng)用程序，無(wú)需懂代碼和寫代碼，僅通過一句話就能生成軟件應(yīng)用。

百度檢索增強(qiáng)的文生圖技術(shù)（iRAG）是百度在 2024 年 11 月 12 日百度世界大會(huì)上推出的一項(xiàng)創(chuàng)新技術(shù)126。它將百度搜索的億級(jí)圖片資源與強(qiáng)大的基礎(chǔ)模型能力相結(jié)合，旨在解決大模型在圖片生成上的 “幻覺問題”，生成各種超真實(shí)

SeedEdit 是字節(jié)跳動(dòng)研發(fā)的一款通用圖像編輯模型。它于 2024 年 11 月 11 日由字節(jié)跳動(dòng)豆包大模型團(tuán)隊(duì)推出，旨在為用戶提供一種全新的、智能化的圖像編輯體驗(yàn)

LM Studio是什么LM Studio 是一個(gè)本地大語(yǔ)言模型 (LLM) 應(yīng)用平臺(tái)，開源、傻瓜、一站式部署本地大模型。包括但不限于Llama、MPT、Gemma等，LM Studio 提供了一個(gè)圖形用戶界面（GUI），即使是非技術(shù)人員...

edge-tts是什么edge-tts是開源的AI文字轉(zhuǎn)語(yǔ)音項(xiàng)目，支持超過40種語(yǔ)言和300多種聲音。edge-tts利用微軟Azure Cognitive Services的強(qiáng)大功能，能將文本信息轉(zhuǎn)換成流暢自然的語(yǔ)音輸出。edge-tt...

LLaVA-OneVision是什么LLaVA-OneVision是字節(jié)跳動(dòng)推出開源的多模態(tài)AI模型，LLaVA-OneVision通過整合數(shù)據(jù)、模型和視覺表示的見解，能同時(shí)處理單圖像、多圖像和視頻場(chǎng)景下的計(jì)算機(jī)視覺任務(wù)。LLaVA-On...

MUMU是什么MUMU是一種多模態(tài)圖像生成模型，通過結(jié)合文本提示和參考圖像來生成目標(biāo)圖像，從而提高生成的準(zhǔn)確率和質(zhì)量。MUMU模型的架構(gòu)基于SDXL的預(yù)訓(xùn)練卷積UNet，采用了視覺語(yǔ)言模型Idefics2的隱藏狀態(tài)構(gòu)建。模型在訓(xùn)練時(shí)使

Video-LLaVA2是什么Video-LLaVA2是由北京大學(xué)ChatLaw課題組推出的開源多模態(tài)智能理解系統(tǒng)，通過創(chuàng)新的時(shí)空卷積（STC）連接器和音頻分支，提升了視頻和音頻理解能力。模型在視頻問答和字幕生成等多個(gè)基準(zhǔn)測(cè)試中表現(xiàn)出色，...

HMoE是什么HMoE（混合異構(gòu)專家模型）是騰訊混元團(tuán)隊(duì)提出的新型神經(jīng)網(wǎng)絡(luò)架構(gòu)，旨在提升大型語(yǔ)言模型的性能和計(jì)算效率。通過引入不同尺寸的專家來處理不同復(fù)雜性的輸入數(shù)據(jù)，從而增強(qiáng)模型的專業(yè)化程度。HMoE采用新的訓(xùn)練目標(biāo)和

LitServe是什么LitServe是基于FastAPI的高性能AI模型部署引擎，專為企業(yè)級(jí)AI服務(wù)設(shè)計(jì)。支持批處理、流式處理和GPU自動(dòng)擴(kuò)展，簡(jiǎn)化了模型部署流程。LitServe易于安裝和使用，通過pip即可安裝，提供靈活的API定義...

CustomCrafter是什么CustomCrafter 是騰訊和浙江大學(xué)聯(lián)合提出的自定義視頻生成框架，能基于文本提示和參考圖像生成高質(zhì)量的個(gè)性化視頻，同時(shí)保留了運(yùn)動(dòng)生成和概念組合的能力。CustomCrafter通過設(shè)計(jì)一系列靈活的模...

LeRobot是什么LeRobot是由HuggingFace推出的開源AI聊天機(jī)器人項(xiàng)目，由前特斯拉研究員Remi Cadene領(lǐng)導(dǎo)開發(fā)。LeRobot致力于降低機(jī)器人技術(shù)的入門門檻，提供預(yù)訓(xùn)練模型、數(shù)據(jù)集和模擬環(huán)境，支持模仿學(xué)習(xí)和強(qiáng)化學(xué)...

LongVILA是什么LongVILA是一個(gè)面向長(zhǎng)視頻理解的視覺語(yǔ)言AI模型，由英偉達(dá)、MIT、UC 伯克利、得克薩斯大學(xué)奧斯汀分校共同開發(fā)。通過算法和系統(tǒng)的共同設(shè)計(jì)，實(shí)現(xiàn)了在大量GPU上進(jìn)行超長(zhǎng)上下文長(zhǎng)度訓(xùn)練的能力，無(wú)需梯度檢查點(diǎn)

EasyOCR是什么EasyOCR 是一個(gè)功能強(qiáng)大的開源OCR（光學(xué)字符識(shí)別）項(xiàng)目，支持80多種語(yǔ)言和多種書寫系統(tǒng)，包括中文、阿拉伯文和西里爾文。基于深度學(xué)習(xí)技術(shù)，提供高精度的文字識(shí)別能力。用戶可以通過簡(jiǎn)單的API輕松地將圖像中的文

OmniCorpus是什么OmniCorpus是一個(gè)大規(guī)模多模態(tài)數(shù)據(jù)集，包含86億張圖像和16960億個(gè)文本標(biāo)記，支持中英雙語(yǔ)。由上海人工智能實(shí)驗(yàn)室聯(lián)合多所知名高校及研究機(jī)構(gòu)共同構(gòu)建。OmniCorpus通過整合來自網(wǎng)站和視頻平臺(tái)的文本和...

LTM-2-mini是什么LTM-2-mini是Magic公司推出的支持1億token上下文AI模型，能處理相當(dāng)于1000萬(wàn)行代碼或750本小說的內(nèi)容。LTM-2-mini采用序列維度算法，計(jì)算效率比Llama 3.1 405B的注意力機(jī)...

STranslate是什么STranslate是專為Windows用戶設(shè)計(jì)的多功能翻譯和OCR工具。支持多種語(yǔ)言翻譯，具備劃詞、截圖、監(jiān)聽剪貼板等多種翻譯方式，并提供多家翻譯服務(wù)接口。還擁有基于PaddleOCR的離線OCR功能，支持中文...

GPTEngineer是什么GPTEngineer 是一個(gè)基于 AI 技術(shù)通過簡(jiǎn)單的文本提示快速生成網(wǎng)頁(yè)應(yīng)用原型的開源工具。用戶只需描述需求，AI 能自動(dòng)編寫并執(zhí)行代碼，支持與 GitHub 同步和一鍵部署。GPTEngineer底層使用...

VectorVein是什么VectorVein 是一款開源的無(wú)代碼AI工作流工具，通過簡(jiǎn)化的拖拽操作，讓用戶無(wú)需編程知識(shí)即可構(gòu)建智能工作流，實(shí)現(xiàn)日常任務(wù)的自動(dòng)化。VectorVein支持?jǐn)?shù)據(jù)處理、分析和知識(shí)管理等多種應(yīng)用場(chǎng)景，具備無(wú)代碼、...

OpenCity是什么OpenCity是由香港大學(xué)聯(lián)合華南理工大學(xué)和百度共同研發(fā)的交通預(yù)測(cè)模型。OpenCity采用Transformer架構(gòu)和圖神經(jīng)網(wǎng)絡(luò)，通過大規(guī)模預(yù)訓(xùn)練學(xué)習(xí)交通數(shù)據(jù)的時(shí)空依賴關(guān)系，具備卓越的零樣本預(yù)測(cè)能力和快速情境適應(yīng).

PGTFormer是什么PGTFormer是先進(jìn)的視頻人臉修復(fù)框架，通過解析引導(dǎo)的時(shí)間一致性變換器來恢復(fù)視頻中的高保真細(xì)節(jié)，同時(shí)增強(qiáng)時(shí)間連貫性。該方法無(wú)需預(yù)對(duì)齊，基于語(yǔ)義解析選擇最佳人臉先驗(yàn)，并通過時(shí)空Transformer模塊和時(shí)序保

Eagle是什么Eagle是英偉達(dá)推出的多模態(tài)大模型，擅長(zhǎng)處理高達(dá)1024×1024像素的圖像，顯著提升視覺問答和文檔理解能力。Eagle模型采用多專家視覺編碼器架構(gòu)，通過簡(jiǎn)單高效的特征融合策略，實(shí)現(xiàn)對(duì)圖像內(nèi)容的深入理解。Eagle模型