BIOMEDICA开源项目 – 生物医学图像与文献的开放资源

由Hugging Face、Argilla和开源机器学习社区共同合作的项目，旨在赋予开源社区共同构建有影响力的数据集的能力。

NoLA是由NOLA AI, Inc.开发的人工智能项目，专注于通过大型语言模型和预训练视觉模型实现无标签图像分类。该项目显著减少了对标注数据的依赖，利用类似CLIP的视觉-语言模型进行零样本学习，在提升分类准确性的同时降低企业成本。其技术核心结合了自然语言处理与计算机视觉，适用于数据稀缺场景，支持通过文本描述直接分类图像。

达摩院开源的视觉-语言预训练的语料库，包含从在线教学视频中提取的多模态数据，支持多种学科的学习和研究。

为视觉-语言模型（例如CLIP）提供精心策划的Prompt/Adapter学习方法列表，包含最新的研究进展和代码实现，促进模型的高效学习和应用

Movie101是一个大规模的中文电影理解基准，包含101部电影，配备音频描述(AD)。数据集包含30,174个解说片段，总计92小时。基准包含两个任务：电影片段解说(MCN)和时序解说定位(TNG)，旨在推动中文电影理解领域的研究与应用。

一个专为加速多模态模型（如 PaliGemma、Florence-2 和 Qwen2-VL）微调的工具，简化配置、数据加载、重现性和训练循环的设置。

Nexa SDK是一款全面支持ONNX和GGML模型的工具包，具备文本生成、图像生成、视觉-语言模型（VLM）、自动语音识别（ASR）和文本到语音（TTS）功能，提供OpenAI兼容的API服务器，支持JSON模式调用函数和流媒体，配备用户友好的Streamlit UI，方便开发者使用和集成。

VLM-Visualizer是一个视觉-语言模型注意力可视化工具，旨在通过结合语言模型和视觉变换器的注意力权重，生成输入图像上的注意力图，以直观展示模型在生成特定令牌时关注图像的哪些部分。

Aurora AI是一个提供高质量合成数据的平台，旨在以实惠的价格生成模拟真实数据特征的合成数据，同时保护敏感信息。用户可以通过网站注册账户，访问数据生成功能，根据需求指定合成数据集的格式、结构和大小，Aurora AI的先进算法和模型将基于这些要求生成合成数据。

该项目提供遥感基础模型相关论文的资源列表，涵盖遥感视觉、视觉-语言、生成式、位置和音频等多个方向的模型，旨在为研究人员提供全面的参考和支持。

checklist.gg 是一个AI驱动的检查清单管理工具，旨在帮助组织高效且准确地完成任务。用户可以根据具体需求创建检查清单、流程以及标准操作程序(SOP)，并通过AI技术确保任务正确高效地完成，减少错误和失败。平台提供直观的界面，方便管理工作流程、分配任务、设定截止日期和实时跟踪进度，支持团队成员间的实时协作，并能与其他工具和平台集成，易于融入现有工作流程。

ChatPDF允许用户通过AI与PDF文档进行互动，用户可以提问、分析内容并有效地总结信息。

AsktheDoc是一个平台，用户可以使用自然语言与其PDF和DOC文件进行互动。借助chatGPT的强大功能，用户可以轻松地与文档进行交流，提出问题、获取摘要、查找信息等。只需上传文件，即可开始聊天，同时还支持生成高质量的报告。

在这篇论文中，研究人员修改了Chinchilla扩展定律，以计算最佳的LLM参数数量和预训练数据大小，以训练和部署具有给定质量和推理需求的模型。

Tune-A-Video 是一个基于文本描述生成视频的工具，支持多种风格和主题，能够快速输出高质量视频，且具有用户友好的界面，适合各种创作需求。