VisionNet开源项目 – 视觉网络任务开源框架

提供了 ComfyUI 的 BiRefNet 插件，支持多种预训练模型的使用，包括通用、人像、图像分割等场景的模型，并且支持自动下载模型文件。

Cogniflow是一个无代码AI平台，允许用户通过集成AI提升工作效率，无需任何编码。用户可以利用文本、图像或音频数据创建AI模型，提供无缝高效的信息提取、文档聊天和图像分析的自动化方式。

这是一个双层递归卷积网络模型的参考实现，旨在提供灵活的应用支持和优化的性能。

该项目利用YOLOv8技术，能够检测未佩戴安全帽或反光背心的工人，以及接近机械或车辆的人员。通过安全锥聚类构建监控区域，后处理技术确保高检测精度，从而提升施工现场的安全性。

由字节跳动开发的先进的多模态大型模型，旨在处理涉及文本、图像和视频数据的各种任务，并在电商和短视频基准测试中取得了最佳结果

该项目旨在通过无人机视频实时检测和绘制感兴趣物体的位置，提供直观的地图展示。

Mini-LLaVA是一款轻量级的多模态大语言模型，能够处理图像、文本和视频输入，实现高效且灵活的多模态数据处理。其设计旨在简化多模态应用的开发，提供了简约的实现和灵活的接口，方便用户进行快速开发和实验。

Merlin是一种由和支持的新型MLLM，展示了增强的视觉理解、未来推理和多图像输入分析能力。研究人员提议将未来建模引入多模态LLM（MLLMs）中，以提高对基本原则和主体意图的理解。他们利用了现有学习范式启发的预见性预训练（FPT）和预见性指令调优（FIT）技术。

基于Claude 3.5 Sonnet的IDE AI 编程助手，支持处理复杂的软件开发任务，能够在IDE中直接运行，创建和编辑文件，执行命令行操作，同时提供图像分析和代码自动修复功能，提升开发效率。

DeepDetector是一个创新的人工智能工具，旨在实时检测深度伪造视频和图像，确保数字媒体的真实性和完整性。该工具具有高达95%的准确率，不仅能识别各种深度伪造技术，还能通过激活图为其分析提供解释，适用于个人和专业领域。

Eden AI是一个AI平台，提供独特的API，连接最佳AI引擎，支持多种AI技术，如生成AI、翻译、文本分析、图像分析、视频内容分析、OCR/文档解析和语音转录。旨在使所有产品开发者（包括开发者、无代码人员和AI爱好者）轻松使用AI。

Azen是一个将多个强大的AI工具（如ChatGPT、DALL·E 2和ElevenLabs）整合到一个平台上的工具，用户可以免费使用这些工具，节省费用，同时享受所需的一切。

JDet是一个基于Jittor框架的开源遥感图像定向目标检测工具库，专注于高效处理和分析空中图像数据。它由清华大学CSCG组维护，支持多种主流检测模型和遥感数据集，提供从训练、测试到结果可视化的完整流程，并通过灵活的配置系统满足研究和开发需求。

Bright Eye是一款为iPhone、iPad和iPod touch用户提供的AI驱动的多功能应用，能够生成和分析内容，包括图像和文本。它通过复杂的AI算法分析图像，提取文本，自动理解和描述照片场景，并对句子进行情感分析，适用于内容创作者、研究人员和社交媒体用户。

满血o1是OpenAI于2024年12月发布的o1模型正式版本，相比预览版在推理能力、处理速度和多模态支持上有显著提升。 该模型专为处理复杂问题设计，支持文本和视觉输入，在数学竞赛、编程挑战和科学问题解决中表现优异。 通过ChatGPT订阅或开发者API提供服务，Pro版月费约1450元人民币，国内用户需通过虚拟卡支付。