本文基于PaddlePaddle复现TabNet网络，该网络可处理表格数据，支持端到端学习，通过顺序...

该代码复现了MobileViG模型，这是一种混合CNN-GNN架构。代码先下载导入库，创建并处理Ci...

MirrorMe简介MirrorMe是通义实验室推出的实时音频驱动肖像动画框架，具备高保真特性。该框...

Multimodal模型能够识别并分析图像，其原理是精妙地结合了计算机视觉与自然语言处理技术。本文将...

DreamActor-H1介绍DreamActor-H1是由字节跳动研发的一种基于扩散变换器（Dif...

Next-FrameDiffusion（NFD）是由北京大学与微软研究院共同研发的自回归视频生成模型...

PartCrafter是一款创新的3D生成模型，能够从单张RGB图像中生成多个语义清晰、几何结构多样...

Direct3D-S2是什么Direct3D-S2是由南京大学、DreamTech、复旦大学以及牛津...

BAGEL是什么BAGEL是字节跳动开源的多模态基础模型，拥有140亿参数，其中70亿为活跃参数。采...

Imagen4是什么Imagen4是谷歌发布的最新图像生成AI模型。支持高达2K分辨率的图像生成，细...

豆包AI的OCR技术基于深度学习算法，通过卷积神经网络（CNN）和循环神经网络（RNN）或变换器模型...

WorldGen是什么WorldGen是由新加坡南洋理工大学、北京大学以及上海AI实验室共同研发的一...