# 视觉智能开放平台 #
1
关注
15741内容
BrushEdit：腾讯和北京大学联合推出的图像编辑框架，通过自然语言指令实现对图像的编辑和修复
BrushEdit是由腾讯、北京大学等机构联合推出的先进图像编辑框架，结合多模态大型语言模型和双分支图像修复模型，支持基于指令引导的图像编辑和修复。
Leffa：Meta AI 开源精确控制人物外观和姿势的图像生成框架，在生成穿着的同时保持人物特征
Leffa 是 Meta 开源的图像生成框架，通过引入流场学习在注意力机制中精确控制人物的外观和姿势。该框架不增加额外参数和推理成本，适用于多种扩散模型，展现了良好的模型无关性和泛化能力。
【一步步开发AI运动小程序】十七、如何识别用户上传视频中的人体、运动、动作、姿态？
【云智AI运动识别小程序插件】提供人体、运动、姿态检测的AI能力，支持本地原生识别，无需后台服务，具有速度快、体验好、易集成等优点。本文介绍如何使用该插件实现用户上传视频的运动识别，包括视频解码抽帧和人体识别的实现方法。
FreeScale：无需微调即可提升模型的图像生成能力，生成 8K 分辨率的高质量图像
FreeScale是一个无需微调的推理框架，旨在提升扩散模型生成高分辨率图像和视频的能力。该框架通过处理和融合不同尺度的信息，首次实现了8K分辨率图像的生成，显著提高了生成内容的质量和保真度，同时减少了推理时间。
uni-app开发AI康复锻炼小程序，帮助肢体受伤患者康复！
近期，多家康复机构咨询AI运动识别插件是否适用于肢力运动受限患者的康复锻炼。本文介绍该插件在康复锻炼中的应用场景，包括康复运动指导、运动记录、恢复程度记录及过程监测。插件集成了人体检测、姿态识别等功能，支持微信小程序平台，使用便捷，安全可靠，帮助康复治疗更加高效精准。
Meta Motivo：Meta 推出能够控制数字智能体动作的 AI 模型，提升元宇宙互动体验的真实性
Meta Motivo 是 Meta 公司推出的 AI 模型，旨在控制数字智能体的全身动作，提升元宇宙体验的真实性。该模型通过无监督强化学习算法，能够实现零样本学习、行为模仿与生成、多任务泛化等功能，适用于机器人控制、虚拟助手、游戏角色动画等多个应用场景。
SVDQuant：MIT 推出的扩散模型后训练的量化技术，能够将模型的权重和激活值量化至4位，减少内存占用并加速推理过程
SVDQuant是由MIT研究团队推出的扩散模型后训练量化技术，通过将模型的权重和激活值量化至4位，显著减少了内存占用并加速了推理过程。该技术引入了高精度的低秩分支来吸收量化过程中的异常值，支持多种架构，并能无缝集成低秩适配器（LoRAs），为资源受限设备上的大型扩散模型部署提供了有效的解决方案。
【一步步开发AI运动小程序】十六、AI运动识别中，如何判断人体站位？
【云智AI运动识别小程序插件】提供人体、运动及姿态检测的AI能力，本地引擎无需后台支持，具备快速、体验好、易集成等优势。本文介绍如何利用插件的`camera-view`功能，通过检测人体站位视角（前、后、左、右），确保运动时的最佳识别率和用户体验。代码示例展示了如何实现视角检查，确保用户正或背对摄像头，为后续运动检测打下基础。
Director：构建视频智能体的 AI 框架，用自然语言执行搜索、编辑、合成和生成等复杂视频任务
Director 是一个构建视频智能体的 AI 框架，用户可以通过自然语言命令执行复杂的视频任务，如搜索、编辑、合成和生成视频内容。该框架基于 VideoDB 的“视频即数据”基础设施，集成了多个预构建的视频代理和 AI API，支持高度定制化，适用于开发者和创作者。
DrivingDojo：中科院联合美团推出的自动驾驶数据集，包含视频片段、驾驶操作和驾驶知识
DrivingDojo是由中国科学院自动化研究所与美团无人车团队联合推出的交互式驾驶世界模型数据集，包含18,000个视频片段，涵盖驾驶操作、多智能体交互及开放世界驾驶知识。该数据集为自动驾驶模型的开发提供了坚实基础，并定义了动作指令跟随（AIF）基准，用于评估世界模型在执行动作控制的未来预测能力。
免费试用