今日 AI 简报|百度推出检索增强的文生图技术、开源表格处理大模型、蛋白质结构预测、3D 生成、短视频生成、PDF 翻译工具

❤️ 如果你也关注大模型与 AI 的发展现状,且对大模型应用开发非常感兴趣,我会快速跟你分享最新的感兴趣的 AI 应用和热点信息,也会不定期分享自己的想法和开源实例,欢迎关注我哦!

🥦 微信公众号|搜一搜:蚝油菜花 🥦


TableGPT2:浙大推出的多模态表格处理大模型

TableGPT2 是浙江大学推出的新型大型多模态模型,针对表格数据的整合与处理。它首次将结构化数据作为独立模态进行训练,直接理解并操作数据库和 Excel 等数据,执行 SQL 查询、数据分析等任务。模型包含创新的表格编码器,强化对不规则表格和模糊查询的处理能力,在多个基准测试中性能显著提升。

资源

  1. HuggingFace 模型库:huggingface.co/tablegpt/Ta...
  2. arXiv 技术论文:arxiv.org/pdf/2411.02...

AlphaFold 3:谷歌 DeepMind 开源的结构预测统一框架

AlphaFold 3 是谷歌 DeepMind 团队推出的 AI 模型,能预测蛋白质、核酸(DNA 和 RNA)、小分子、离子及修饰残基等生物分子的三维结构。模型在结构预测的准确性上取得革命性进展,对药物设计、科研和生物医学领域具有重大影响。

资源

  1. GitHub 仓库:github.com/google-deep...
  2. 技术论文:www.nature.com/articles/s4...

GenXD:新加坡国立和微软共同推出的通用 3D 和 4D 联合生成框架

GenXD 是新加坡国立大学和微软公司共同推出的 3D-4D 联合生成框架,能从任意数量的条件图像中生成高质量的 3D 和 4D 场景。框架用一个数据整理流程从视频中提取相机姿态和物体运动强度,基于这些信息及大规模 4D 数据集 CamVid-30K 训练模型。GenXD 基于多视角时序模块解耦相机和物体的运动,用掩码潜在条件支持多种视角的条件生成,实现在单一模型中处理多种 3D 和 4D 生成任务。

资源

  1. 项目官网:gen-x-d.github.io
  2. GitHub 仓库:github.com/HeliosZhao/...
  3. arXiv 技术论文:arxiv.org/pdf/2411.02...

MoneyPrinterTurbo:开源的 AI 短视频生成工具

MoneyPrinterTurbo 是开源的 AI 短视频生成工具,能自动化地根据用户提供的视频主题或关键词生成视频文案、素材、字幕和背景音乐,合成高清短视频。工具支持 API 和 Web 界面操作,具备自定义文案、多种视频尺寸、批量视频生成、多语言支持、多种语音合成技术、字幕定制和背景音乐选择等功能。MoneyPrinterTurbo 兼容多种 AI 模型,确保视频素材高清无版权问题,适合内容创作者和营销人员使用。

资源

  1. GitHub 仓库:github.com/harry0703/M...

PDFMathTranslate:开源的 PDF 文档翻译和双语对照工具

PDFMathTranslate 是开源的 PDF 文档翻译工具,设计用于翻译科技论文等 PDF 文件,能保留原文的排版,包括公式和图表。PDFMathTranslate 支持双语对照,保持原有目录结构,兼容多种翻译服务,如 Google、DeepL、Ollama 和 OpenAI 等。用户基于命令行工具操作,实现文档的快速翻译和双语对照查看。

资源

  1. GitHub 仓库:github.com/Byaidu/PDFM...

文心 iRAG:百度推出的检索增强的文生图技术

文心 iRAG 是百度推出的检索增强的文生图技术(iRAG),结合了百度搜索的亿级图片资源和强大的基础模型能力,解决大模型在文生图方面的幻觉问题,提升 AI 生成图片的真实性和可靠性。基于 iRAG 技术,AI 能生成逼真、无误的图片,显著提高 AI 在图像生成领域的实用性和准确性。

资源

  1. 项目官网:wenxin.baidu.com

❤️ 如果你也关注大模型与 AI 的发展现状,且对大模型应用开发非常感兴趣,我会快速跟你分享最新的感兴趣的 AI 应用和热点信息,也会不定期分享自己的想法和开源实例,欢迎关注我哦!

🥦 微信公众号|搜一搜:蚝油菜花 🥦

相关推荐
mucheni10 分钟前
迅为iTOP-RK3576开发板/核心板6TOPS超强算力NPU适用于ARM PC、边缘计算、个人移动互联网设备及其他多媒体产品
arm开发·人工智能·边缘计算
Jamence10 分钟前
多模态大语言模型arxiv论文略读(三十六)
人工智能·语言模型·自然语言处理
猿饵块22 分钟前
opencv--图像变换
人工智能·opencv·计算机视觉
LucianaiB30 分钟前
【金仓数据库征文】_AI 赋能数据库运维:金仓KES的智能化未来
运维·数据库·人工智能·金仓数据库 2025 征文·数据库平替用金仓
jndingxin44 分钟前
OpenCV 图形API(63)图像结构分析和形状描述符------计算图像中非零像素的边界框函数boundingRect()
人工智能·opencv·计算机视觉
旧故新长1 小时前
支持Function Call的本地ollama模型对比评测-》开发代理agent
人工智能·深度学习·机器学习
微学AI1 小时前
融合注意力机制和BiGRU的电力领域发电量预测项目研究,并给出相关代码
人工智能·深度学习·自然语言处理·注意力机制·bigru
知来者逆1 小时前
计算机视觉——速度与精度的完美结合的实时目标检测算法RF-DETR详解
图像处理·人工智能·深度学习·算法·目标检测·计算机视觉·rf-detr
一勺汤1 小时前
YOLOv11改进-双Backbone架构:利用双backbone提高yolo11目标检测的精度
人工智能·yolo·双backbone·double backbone·yolo11 backbone·yolo 双backbone
武汉唯众智创1 小时前
高职人工智能技术应用专业(计算机视觉方向)实训室解决方案
人工智能·计算机视觉·人工智能实训室·计算机视觉实训室·人工智能计算机视觉实训室