《人体运动扩散模型》的论文代码，旨在高效生成和编辑人体运动，支持多种运动风格和动作捕捉数据。
Move AI是一种创新的运动捕捉技术，通过将2D视频转化为3D运动数据，利用先进的AI、计算机视觉、生物力学和物理学，简化了动画角色的运动捕捉过程，适用于从独立创作者到大型工作室的广泛用户。
LLMChat是一个全栈Web界面的实现，支持多种大型语言模型，如ChatGPT或LLaMA，旨在提供用户友好的互动体验。它允许用户进行实时对话，并具备可定制的模型参数，方便多种部署选项。
ModelScope魔搭开源的ClearerVoice-Studio项目，提供语音增强、语音分离、目标说话人提取等功能，旨在提升语音处理的质量和效率。
LaMini-LM是一个对多个迷你大语言模型进行微调的项目，旨在提升模型的性能，其中包括经过微调的GPT-2，其性能可与LLaMa的Alpaca-7B相媲美。
这是一个强大的Stable Diffusion Web UI扩展，利用Dreambooth技术提升图像生成能力，允许用户使用个性化图像训练自定义模型，并提供易于使用的界面来管理训练参数。
QA-CLIP是一个支持中文文本和图像的多模态理解的模型，具有最先进的性能和准确性，能够用于多种下游任务，如图像分类、文本生成等，且易于集成和使用。
stablediffusion api是一个强大的API，旨在让开发者专注于构建下一代AI产品，而无需担心GPU的维护。它提供了便捷的接口，支持用户生成和微调Dreambooth Stable Diffusion，极大地简化了图像生成的流程和技术门槛。
BGE-M3-Model-Converter是一个专门用于手动转换BGE-M3模型的工具，能够有效保留训练变量，并且用户可以直接控制模型的输出，从而满足不同应用场景的需求。
建立在HuggingFace模型和PyTorch Fully Sharded Data Parallelism基础上的训练套件，旨在优化吞吐量，简化在资源受限环境中训练中型模型的分布式方案设置工作流程，尤其适用于学术集群。
NeuralClothSim结合了神经变形场和薄壳理论，实现了高效的服装模拟，能够生成逼真的服装动态效果，适用于动画、游戏和虚拟现实等多个领域。
LOMO是复旦大学提出的新论文，旨在使用单台8片24G的RTX 3090对Llama 65B模型进行全参数微调。该项目通过优化训练效率和性能，为用户提供了兼容多种深度学习框架的解决方案，并附带详细的实验结果和分析，帮助用户更好地理解模型的表现。
利用Stable Diffusion算法和ControlNet合成航拍图像，数据集源自IGN的FLAIR（法国航空图像地面覆盖数据），用于法国各地区的地面覆盖信息。该项目结合了先进的图像生成技术，能够处理高分辨率图像，提供准确的数据支持。
2000 Fine Tuning Prompts是一个全面的资源，旨在帮助爱好者学习和实验微调，熟悉其在不同上下文中的功能和应用。
TCAN是一种基于扩散模型的新型人体图像动画框架，能够保持时间一致性并良好地推广到未知领域。它使用预先训练的ControlNet，增强了对姿势检测器异常值的稳健性，适用于多种姿势的视频合成任务。
