StableV2V是中国科技大学推出的开源视频编辑项目，基于文本、草图、图片等输入实现视频中物体的精准编辑和替换。项目用形状一致的编辑范式，基于三个主要组件：Prompted First-frame Editor（PFE）、...

Halo是开源的DIY健康追踪项目，基于低成本的智能戒指和开源软件，让用户构建自己的私人健康监测应用。Halo支持活动追踪、心率监测、睡眠分析等功能，且完全尊重用户隐私。基于Halo，用户能深入了解自己的健康数据，享受定制化...

ReCapture是谷歌和新加坡国立大学推出的视频处理技术，能从单一用户提供的视频中生成具有新相机轨迹的新视频。ReCapture用多视图扩散模型或基于深度的点云渲染生成带有新相机轨迹的噪声锚视频，采用掩码视频微调技术，将锚...

CAD-MLLM是由上海科技大学、Transcengram、DeepSeek AI和香港大学共同推出的，计算机辅助设计（CAD）模型生成系统，根据用户的多种输入（如文本描述、图像、点云或这些输入的组合）生成参数化的CAD模型...

MagicClay 是 Adobe 推出3D建模工具，结合网格和有向距离场（SDF）技术，支持艺术家基于文本提示对3D模型的特定部分进行雕刻，同时保持模型的其他区域不变。MagicClay 支持生成具有纹理的三维模型，能非破...

AtomThink是中山大学、香港科技大学、上海交通大学、香港大学及华为诺亚方舟实验室的研究人员共同推出的多模态数学推理框架。框架基于构建长链的思维（CoT）引导多模态大型语言模型（MLLMs）进行复杂推理，包含自动CoT注...

KuaiFormer是快手技术团队推出的基于Transformer的检索框架，用在大规模内容推荐系统。基于重新定义检索流程，从传统的分数估计任务转变为Transformer驱动的“下一个动作预测”范式，有效进行实时兴趣获取和...

XiYan-SQL是阿里巴巴推出的自然语言到SQL（NL2SQL）框架，基于多生成器集成策略，结合提示工程和监督微调，提升SQL查询生成质量。XiYan-SQL引入M-Schema半结构化架构表示，增强对数据库结构的理解，包...

EyeDiff是文本到图像的扩散模型，基于自然语言提示生成多模态眼科图像，提高常见和罕见眼病的诊断准确性。模型在多个大规模数据集上训练，能准确捕捉关键病变特征，并与文本提示高度一致。基于集成生成的图像，EyeDiff显著提升...

BlueLM-V-3B是vivo AI Lab和香港中文大学MMLab联合推出的算法和系统协同设计方法，支持高效部署多模态大型语言模型（MLLM）至移动设备。模型以小尺寸（2.7B语言参数和400M视觉参数）、快速度（24....