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。
DiffSplat 是一个从文本提示和单视图图像生成 3D 高斯点云的生成框架。
DiffSplat 是一种创新的 3D 生成技术，能够从文本提示和单视图图像快速生成 3D 高斯点云。该技术通过利用大规模预训练的文本到图像扩散模型，实现了高效的 3D 内容生成。它解决了传统 3D 生成方法中数据集有限和无法有效利用 2D 预训练模型的问题，同时保持了 3D 一致性。DiffSplat 的主要优点包括高效的生成速度（1~2 秒内完成）、高质量的 3D 输出以及对多种输入条件的支持。该模型在学术研究和工业应用中具有广泛前景，尤其是在需要快速生成高质量 3D 模型的场景中。
实时编辑和完整对象结构生成的3D模型。
Stable Point Aware 3D (SPAR3D) 是 Stability AI 推出的先进3D生成模型。它能够在不到一秒的时间内，从单张图像中实现3D对象的实时编辑和完整结构生成。SPAR3D采用独特的架构，结合精确的点云采样与先进的网格生成技术，为3D资产创建提供了前所未有的控制力。该模型免费提供给商业和非商业用途，可在Hugging Face下载权重，GitHub获取代码，或通过Stability AI开发者平台API访问。
智能逐页分析PDF书籍，提取知识点并生成摘要。
这是一个用于逐页分析PDF书籍的智能脚本，它能够提取知识点并生成阶段性摘要。该脚本处理每页内容，允许详细理解内容的同时保持书籍的上下文连贯性。它代表了人工智能在文档处理和知识提取领域的应用，具有自动化、高效率和准确性的主要优点。背景信息显示，这是一个集合了400多个AI项目的项目之一，支持者可以通过Patreon获得更多资源。
一种用于控制人类图像动画的方法
DisPose是一种用于控制人类图像动画的方法，它通过运动场引导和关键点对应来提高视频生成的质量。这项技术能够从参考图像和驱动视频中生成视频，同时保持运动对齐和身份信息的一致性。DisPose通过从稀疏的运动场和参考图像生成密集的运动场，提供区域级别的密集引导，同时保持稀疏姿态控制的泛化能力。此外，它还从参考图像中提取与姿态关键点对应的扩散特征，并将这些点特征转移到目标姿态，以提供独特的身份信息。DisPose的主要优点包括无需额外的密集输入即可提取更通用和有效的控制信号，以及通过即插即用的混合ControlNet提高生成视频的质量和一致性，而无需冻结现有模型参数。
通过AI技术将菜单图片转化为单个菜品图片，辅助点餐决策。
PicMenu是一个利用人工智能技术的网站，它允许用户上传菜单图片，然后通过AI技术将整个菜单的图片分解成单个菜品的图片，帮助用户更直观地看到每个菜品的样子，从而做出更好的点餐决策。这个产品背景信息显示它是由Together AI提供技术支持的，并且完全免费。
生成逼真动态人像视频的先进技术
EchoMimic是一个先进的人像图像动画模型，能够通过音频和选定的面部特征点单独或组合驱动生成逼真的肖像视频。它通过新颖的训练策略，解决了传统方法在音频驱动时可能的不稳定性以及面部关键点驱动可能导致的不自然结果。EchoMimic在多个公共数据集和自收集数据集上进行了全面比较，并在定量和定性评估中展现出了卓越的性能。
用于基于点的图像编辑的稳定拖拽框架
StableDrag是一种基于点的图像编辑框架,旨在解决现有拖拽方法存在的不准确点跟踪和运动监督不完整的问题。它设计了一种判别式点跟踪方法和基于置信度的潜在增强策略,前者可精确定位更新的手柄点,从而提高长距离操作的稳定性;后者则负责确保所有操作步骤中优化的潜在表示质量尽可能高。该框架实例化了两种图像编辑模型StableDrag-GAN和StableDrag-Diff,能够通过广泛的定性实验和DragBench上的定量评估,获得更稳定的拖拽性能。
Aria每日活动数据集,加速机器感知和人工智能发展
Aria每日活动数据集是Aria项目发布的首个试点数据集的重新发布版本,该数据集利用新的工具和位置数据进行了更新,以加速机器感知和人工智能技术的发展。数据集包含日常生活场景下的第一人称视频序列,并配有丰富的传感器数据、注释数据以及由Aria机器感知服务生成的3D点云数据等。研究人员可以使用Aria提供的专用工具快速上手使用该数据集开展研究。
RedditChatLab | 即时生成独特商业创意！
通过与经过训练的聊天机器人交谈，进行用户调研，找出痛点并提出商业解决方案。现在以全新打折价购买RedditChatLab，首200位顾客享受50%折扣！
基于高斯点云的可驱动3D人体模型
D3GA是一个基于高斯点云的可驱动3D人体模型。它可以从多视角的视频中学习生成逼真的3D人体模型。模型使用3D高斯点云技术实时渲染,通过关节角度和关键点来驱动模型形变。与其他方法相比,在相同的训练和测试数据下,D3GA可以生成更高质量的结果。它适用于需要实时渲染和控制3D人体的应用。
定制化视频主体交换
VideoSwap是一款视频编辑工具，可以将用户定制的概念交换到视频中，同时保留背景。通过语义点轨迹对齐和形状修改，实现视频主体的定制化交换。相较于传统方法，VideoSwap利用语义点对齐，可以在不同形状的交换中取得更好的效果。用户可以通过设置语义点和交互式拖拽等方式，实现更精细的视频交换效果。VideoSwap适用于多种场景，包括但不限于影视制作、广告制作、个人视频创作等。定价方面，VideoSwap提供免费试用和付费套餐，用户可以根据需求选择不同的套餐。
定制您喜欢的食谱
FoodWiz是一个使用AI编辑在线食谱以符合您的饮食偏好和需求的Google Chrome插件。不论您需要将食谱转为素食、无麸质食谱，还是调整食谱的分量，FoodWiz都可以满足您的需求。FoodWiz提供了一系列功能，使您的食谱编辑体验流畅且无忧。
创建视频广告，成本低10倍，速度快100倍
MagicAds是一款利用AI头像技术简化用户生成内容广告创作的Web应用程序。只需点击一下，即可生成无限的、类人的UGC广告，既经济实惠又高效。MagicAds操作基于信用点系统，提供不同控制级别的不同信用点成本。MagicAds适用于各种规模和各行各业的企业，无论您是初创企业还是成熟品牌，MagicAds都为您的广告创作需求提供了简化的解决方案。
探索、学习、轻松点餐的AI助手
Eva是一款智能点餐助手，用户可以通过扫描商家二维码或下载APP与Eva进行聊天，获取个性化的推荐并下单，避免排队等待。Eva支持探索菜单、发现新口味、享受独家优惠等功能，是您个人的AI助手。商家可以通过Eva提升业务，欢迎联系我们了解更多。
AI智能视频增强器
HitPaw Video Enhancer是一款AI智能工具，可帮助提升视频分辨率和增强视频质量，提高视频清晰度，使您的视频更加出色。它可以自动识别和修复视频中的噪点、模糊和抖动，并提供多种调整选项，如增强亮度、对比度和饱和度。此外，它还支持批量处理和快速导出，让您更高效地处理和分享视频。HitPaw Video Enhancer适用于个人和商业用户，可用于提升家庭录像、社交媒体视频、YouTube视频等。
解决客户痛点，自动分析整理反馈
Pain Point是一款帮助您找到客户痛点的小工具。通过自动摘要、分组和排序客户反馈，帮助您专注于真正重要的事情。当您面临大量客户反馈且需要手动整理时，Pain Point Analyzer能够高效地帮助您分析和汇总，节省大量时间和精力。您只需将要分析的内容，如客户评价，无需进行格式化，直接复制粘贴即可开始使用。通过Pain Point Analyzer，您可以快速了解和整理客户反馈中的痛点和亮点，为产品改进提供有力的支持。
全能沙龙软件，适用于各类美容和健康行业业主。
Salonist是一款全能的沙龙软件，适用于各类美容和健康行业业主。它提供了全面的功能和工具，帮助沙龙业主管理预约、顾客、库存、销售等各个方面。Salonist具有简单易用的POS系统、灵活的预约管理、客户关系管理、库存管理、市场营销自动化等功能。它还提供多种报告和分析工具，帮助沙龙业主了解业务情况并做出更明智的决策。Salonist定价合理，适用于各类沙龙业务。
智能写作助手，提供创作、总结和构思功能
ClickUp AI是一款智能写作助手，可以帮助用户自动生成创意、总结冗长的文本内容，并提供写作启动点。它提供了数百种手工制作和研究支持的AI工具，针对不同角色和使用场景进行定制。用户可以节省时间，更高效地完成工作。ClickUp AI还提供文本润色和格式化功能，使得用户的写作更加一致、清晰和引人入胜。它适用于各种写作场景，包括项目管理、会议记录、文档撰写等。点击链接了解更多信息。
© 2025 AIbase 备案号：闽ICP备08105208号-14