安爸

开源大模型平台DeepSeek开源了R1最新0528版本。DeepSeek目前没有对该版本进行任何说明，又只是“悄悄”地开放了模型。估计很快会放出模型卡介绍更多功能。但已经有网友迫不及待的对新版R1进行测试，在著名代码测试平台Live CodeBench中显示，其性能可以媲美OpenAI最新的o3模型高版本。也有网友对新版R1的风格进行了测试，几乎和Op...

基于 Google Gemini AI 的全功能图像处理应用 一个现代化的全栈 AI 图像处理平台，集成了 Google Gemini、OpenCV 和 YOLO 等先进技术，提供图像问答、生成、编辑、目标检测、图像分割和视频生成等功能。 ✨ 核心功能 🤖 智能图像问答 多语言支持：中文提问，智能回答 深度理解：基于 Gemini 2.0 Flash...

多模态AI和文档解析的兴起，就像给OCR装上了“超级大脑”，通过视觉和语言的结合，精准理解文档结构。 以往用的一些OCR工具经常“翻车”，复杂的页面布局让解析结果面目全非。 而现在随着多模态AI技术的迅速发展，催生了许多能够精准解析复杂文档的AI模型或应用，让我们的文档处理效率直接起飞！ 最近，字节跳动（ByteDance）又开源了一款多模态模型：Dolph...

WeChatPadPro 提供了丰富的微信功能控制命令，包括： 自动抢红包功能：控制抢红包、设置延迟时间、过滤测试红包等 消息防撤回：查看被对方撤回的消息内容 好友管理：自动通过验证、添加好友后自动回复 群管理命令：踢人、拉黑、移出黑名单等操作 朋友圈互动：自动点赞朋友圈功能 参考文献： [1] https://github.com/WeChatP...

Awesome-Diffusion-LLM：为扩散大语言模型研究者提供一站式资源，解决文献查找、学习和实践的痛点。亮点：1. 汇集了2025年最新扩散大语言模型的论文列表；2. 提供详细的教程和即将上线的代码片段；3. 19次提交记录，持续更新中。 参考文献： [1] http://github.com/yczhou001/Awesome-Diffusi...

Telegram Search：一个功能强大的Telegram聊天记录搜索客户端，让你轻松找回每一条重要消息。亮点：1. 支持向量搜索和语义匹配，搜索结果更精准；2. 提供聊天记录备份功能，数据安全有保障；3. 基于OpenAI技术，智能检索更高效。 参考文献： [1] http://github.com/groupultra/telegram-sear...

CoGenAV 的核心框架由两个关键部分组成：音视频特征表示和对比生成同步训练机制。 在特征提取阶段，模型采用 ResNet 3D CNN 来分析视频中说话人的唇部动作，捕捉声音与口型之间的动态关联；同时用 Transformer 编码器提取音频中的语音信息。这些音视频特征会被精确对齐，确保“听到的声音”和“看到的嘴型”在时间上完全匹配。 对比生成同步训练通...

德国慕尼黑AI初创平台SpAItial在官网宣布获得1300万美元种子轮融资，同时发布超逼真3D基础模型。 SpAItial的核心技术“空间基础模型”与生成图像或视频的AI工具不同，它经过训练后能从本质上理解3D世界，不仅能预测像素，还能推断几何结构、物理规则和材质属性，以及它们在时空中的相互作用，基于简单的文本提示或图片，就能生成可从多角度探索，且具备...

深圳大学黄惠团队独立推出 CLR-Wire：连续潜空间驱动的三维曲线框生成方法，首次实现了将复杂的三维曲线框结构统一编码到连续的潜空间中，解决了传统方法难以同时有效捕捉线框几何和拓扑信息的难题。这一创新技术能够实现复杂三维结构的高效生成与平滑插值，在工业设计、三维重建及内容创作等领域具有广泛的实际应用前景。第一作者为深圳大学可视计算研究中心 (VCC) 博...

今天凌晨，全球AI领导者英伟达（Nvidia）发布了，2025财年第一季度财务报告。 英伟达实现了创历史纪录的收入，达到260.44亿美元，同比增长262%；净利润达148.81亿美元，同比飙升628%。 强劲的财务表现主要得益于公司在数据中心、AI、游戏和自动驾驶等领域的持续创新和市场扩展，同时走出了年初受DeepSeek的影响，也受益于全球各大科技公司...