初步探索复现o1类多模态大型语言模型，旨在通过结合视觉和文本数据，提升模型的推理和理解能力，推动人工智能在复杂任务中的应用
SmolVLM是全球最小的视觉语言模型，能够处理多模态任务，包括图片描述、文档问答和基本视觉推理等。它具有256M参数，表现优异，适合在低资源设备上运行。
一种优化视觉语言提示上下文的方法，通过知识引导提升交互效果。
一种在文本到图像合成中实现语义绑定的方法，无需进行训练。
Gemini是谷歌最大的AI模型，旨在通过加速人类进步和改善生活给人类和社会带来巨大利益。它在多个领先基准上表现出色，支持不同尺寸的优化：Ultra、Pro和Nano。Gemini从零开始构建为多模态，能够理解、操作和结合文本、代码、音频、图像和视频等不同类型的信息。
该项目是对多模态大语言模型的全面调查，涵盖最新进展、模型比较和评估以及多种应用场景，信息更新频繁，确保时效性。
IBM开发的声明式提示编程语言，专为创建可靠、可组合的LLM提示而设计。
Lightning AI是一个使用PyTorch训练、部署和构建AI模型的平台，以其超快的性能而闻名。它由PyTorch Lightning的创作者开发，提供用户友好的界面来管理训练过程和监控模型性能，适用于计算机视觉、自然语言处理、推荐系统和强化学习等多个领域。
ATalkAI是一个多模型聚合平台，支持GPT、ERNIE Bot、通义千问、豆包等AI模型，能够进行在线对话和知识库问答，作为AI工具的使用足够方便。
Midjourney API由The Next Leg提供，是一个非官方的API，允许用户与流行的AI图像生成工具Midjourney进行交互。用户只需注册订阅计划，获取API密钥，即可开始向Midjourney API发送请求，进行各种图像生成和创意项目。
这个项目能分析图像中对象之间的关系，是一个将Meta的Segment-Anything模型与ECCV'22论文相结合的演示：Panoptic Scene Graph Generation。
“Momen”是一个多功能的人工智能工具，旨在帮助企业创建和定制满足其特定需求的AI驱动应用和GPT模型。这个平台提供了一系列的功能和资源，以简化AI解决方案的开发。
