SpatialLM 是一个用于空间理解的大语言模型。
SpatialLM 是一个专为处理 3D 点云数据设计的大型语言模型，能够生成结构化的 3D 场景理解输出，包括建筑元素和对象的语义类别。它能够从单目视频序列、RGBD 图像和 LiDAR 传感器等多种来源处理点云数据，无需专用设备。SpatialLM 在自主导航和复杂 3D 场景分析任务中具有重要应用价值，显著提升空间推理能力。
North 是一个安全的 AI 工作空间，结合了 LLM、搜索和自动化，提升工作效率。
North 是 Cohere 推出的集成 AI 平台，旨在通过结合大型语言模型（LLM）、搜索技术和自动化工具，为企业员工提供一个安全、高效的工作空间。它不仅能够处理多语言数据，还能无缝集成到现有工作流程中，帮助企业提升生产力和运营效率。North 的核心优势在于其强大的安全性、灵活性和易用性，使其成为现代企业数字化转型的理想选择。North 的定价和具体部署方式尚未明确，但其目标是为企业提供一个无需自行开发即可快速部署的 AI 解决方案。
通过去噪生成模型进行空间推理，解决复杂分布下的视觉任务。
SRM是一种基于去噪生成模型的空间推理框架，用于处理连续变量集合的推理任务。它通过为每个未观测变量分配独立的噪声水平，逐步推断出这些变量的连续表示。该技术在处理复杂分布时表现出色，能够有效减少生成过程中的幻觉现象。SRM首次证明了去噪网络可以预测生成顺序，从而显著提高了特定推理任务的准确性。该模型由德国马普信息研究所开发，旨在推动空间推理和生成模型的研究。
Magma 是一个能够理解和执行多模态输入的基础模型，可用于复杂任务和环境。
Magma 是微软研究团队推出的一个多模态基础模型，旨在通过视觉、语言和动作的结合，实现复杂任务的规划和执行。它通过大规模的视觉语言数据预训练，具备了语言理解、空间智能和动作规划的能力，能够在 UI 导航、机器人操作等任务中表现出色。该模型的出现为多模态 AI 代理任务提供了一个强大的基础框架，具有广泛的应用前景。
Chat2Geo 是一个基于遥感的地理空间分析工具，提供类似 ChatGPT 的交互体验。
Chat2Geo 是一个基于 Next.js 15 的 Web 应用程序，提供类似 ChatGPT 的聊天界面，用于执行基于遥感的地理空间分析。它利用 Google Earth Engine 在后端处理和分析各种遥感数据集，用户可以上传自己的矢量数据，运行高级地理空间查询，并与 AI 助手集成，完成如土地覆盖制图、变化检测和空气污染物监测等任务。该产品通过结合地理空间分析与非地理空间/文本信息，提供知识检索增强型生成（RAG）工作流，具有强大的功能和实用性。它继承了 GeoRetina 开发的 GRAI 2.0 应用程序的大部分构建模块，并持续更新以满足社区需求。
GeoRetina 是一款基于地理空间数据驱动的气候变化洞察工具，通过 AI 实现快速分析。
GeoRetina 是一款专注于地理空间智能的平台，利用 AI 技术将复杂的地理空间数据转化为即时洞察。该产品通过自动化处理和实时监测功能，帮助企业和组织快速分析土地覆盖变化、环境动态等信息。其主要优点包括高效的数据处理能力、实时环境监测以及强大的预测能力。GeoRetina 适用于需要快速、精准地理空间分析的商业和研究场景，价格和具体定位需根据客户需求定制。
TokenVerse 是一种基于预训练文本到图像扩散模型的多概念个性化方法。
TokenVerse 是一种创新的多概念个性化方法，它利用预训练的文本到图像扩散模型，能够从单张图像中解耦复杂的视觉元素和属性，并实现无缝的概念组合生成。这种方法突破了现有技术在概念类型或广度上的限制，支持多种概念，包括物体、配饰、材质、姿势和光照等。TokenVerse 的重要性在于其能够为图像生成领域带来更灵活、更个性化的解决方案，满足用户在不同场景下的多样化需求。目前，TokenVerse 的代码尚未公开，但其在个性化图像生成方面的潜力已经引起了广泛关注。
FilmAgent是一个基于LLM的多智能体协作框架，用于虚拟3D空间中的端到端电影自动化制作。
FilmAgent是一种创新的电影制作技术，通过模拟导演、编剧、演员和摄影师等关键角色，利用多智能体协作实现虚拟3D空间中的电影自动化制作。该技术的主要优点在于能够减少人工干预，提高制作效率，同时降低错误率。FilmAgent在电影制作领域的应用，为创作者提供了一个高效、低成本的解决方案，尤其适合资源有限的小型制作团队。虽然目前没有明确的价格信息，但其开源的特性使其具有广泛的适用性和推广价值。
基于扩散模型的图像和视频生成工具
HelloMeme是一个集成了空间编织注意力（Spatial Knitting Attentions）的扩散模型，用于嵌入高级别和细节丰富的条件。该模型支持图像和视频的生成，具有改善生成视频与驱动视频之间表情一致性、减少VRAM使用、优化算法等优点。HelloMeme由HelloVision团队开发，属于HelloGroup Inc.，是一个前沿的图像和视频生成技术，具有重要的商业和教育价值。
利用扩散模型为黑白图片上色
Color-diffusion是一个基于扩散模型的图像着色项目，它使用LAB颜色空间对黑白图片进行上色。该项目的主要优点在于能够利用已有的灰度信息（L通道），通过训练模型来预测颜色信息（A和B通道）。这种技术在图像处理领域具有重要意义，尤其是在老照片修复和艺术创作中。Color-diffusion作为一个开源项目，其背景信息显示，它是作者为了满足好奇心和体验从头开始训练扩散模型而快速构建的。项目目前是免费的，并且有很大的改进空间。
AI系统从单张图片生成3D世界
这是一个能够从单张图片生成3D世界的AI系统，它允许用户进入任何图片并进行3D探索。这项技术改善了控制和一致性，将改变我们制作电影、游戏、模拟器以及其他数字表现形式的方式。它代表了空间智能的第一步，通过在浏览器中实时渲染生成的世界，用户可以体验不同的相机效果、3D效果，并深入探索经典画作。
利用大规模机器学习理解场景并连接全球数百万场景的地理空间模型
Niantic的Large Geospatial Model (LGM) 是一个先锋概念，旨在通过大规模机器学习理解场景并将其与全球数百万其他场景连接起来。LGM不仅使计算机能够感知和理解物理空间，还能以新的方式与它们互动，成为AR眼镜及更广泛领域（包括机器人技术、内容创作和自主系统）的关键组成部分。随着我们从手机转向与现实世界相连的可穿戴技术，空间智能将成为世界未来的操作系统。
Final Cut Pro 11为Mac、iPad和iPhone带来视频剪辑新体验。
Final Cut Pro 11是由Apple公司推出的一款革命性的视频编辑软件，它全面发挥了Apple M系列芯片的性能，引入了磁性蒙版、转写为字幕等基于AI的新工具，支持空间视频编辑，并提供了多种节省时间的工具和工作流优化功能。Final Cut Pro 11以其强大的功能、直观的操作和高效的工作流程，成为全球创意专业人士的首选视频编辑工具。Final Cut Pro 11的价格为RMB 1,998，新用户可下载免费90天试用版。
利用像素空间拉普拉斯扩散模型生成高质量图像
Edify Image是NVIDIA推出的一款图像生成模型，它能够生成具有像素级精确度的逼真图像内容。该模型采用级联像素空间扩散模型，并通过新颖的拉普拉斯扩散过程进行训练，该过程能够在不同频率带以不同的速率衰减图像信号。Edify Image支持多种应用，包括文本到图像合成、4K上采样、ControlNets、360° HDR全景图生成和图像定制微调。它代表了图像生成技术的最新进展，具有广泛的应用前景和重要的商业价值。
大规模视频生成的自回归扩散模型
MarDini是Meta AI Research推出的一款视频扩散模型，它将掩码自回归（MAR）的优势整合到统一的扩散模型（DM）框架中。该模型能够根据任意数量的掩码帧在任意帧位置进行视频生成，支持视频插值、图像到视频生成以及视频扩展等多种视频生成任务。MarDini的设计高效，将大部分计算资源分配给低分辨率规划模型，使得在大规模上进行空间-时间注意力成为可能。MarDini在视频插值方面树立了新的标杆，并且在几次推理步骤内，就能高效生成与更昂贵的高级图像到视频模型相媲美的视频。
从手机拍摄的平移视频中生成全景视频
VidPanos 是一个创新的视频处理技术，它能够将用户随意拍摄的平移视频转换成全景视频。这项技术通过空间时间外推的方式，生成与原视频长度相同的全景视频。VidPanos 利用生成视频模型，解决了在移动物体存在时，静态全景图无法捕捉场景动态的问题。它能够处理包括人、车辆、流水以及静态背景在内的各种野外场景，展现出强大的实用性和创新性。
AI协作者，共同探索、规划和工作的新方式。
Cove是一个新型的AI协作者，它通过共享工作空间、直接编辑内容、学习用户添加的内容，并提供多个可能的方向来推动用户的工作。Cove利用最新的网络数据，加速用户的工作，同时通过并行搜索提高效率。Cove支持多种文件格式，如文本、表格、图像、网页和PDF等，让AI和用户之间共享上下文，从而更好地协作。Cove的产品背景信息包括由红杉资本领投的600万美元种子轮融资，并且提供Chrome扩展，方便用户在不同的网站和应用中使用。
© 2025 AIbase 备案号：闽ICP备08105208号-14