Segment Anything (SAM) 是视觉分析与分割领域的领先模型，但在处理视频中外观相似的对象时，可能会出现混淆。为了解决这一问题，Distractor Aware SAM 应运而生。该技术通过引入额外的记忆增强和训练机制，有效应对...

近日，GitHub上发布了一款名为FlowDec的高质量音频压缩工具。FlowDec是一款全频带音频编解码器，采用条件流匹配（conditional flow matching）和非对抗性训练（non-adversarial training）技术，能够实现48 kHz高保...

近日，GitHub上发布了一款名为Spark Text To Speech的语音克隆模型，该模型基于Qwen架构，能够通过文本输入生成高质量的语音。值得注意的是，该模型支持情感提示功能，用户可以通过输入情感指令来调整生成语音的情感...

近日，一项名为“无损加速超长序列生成”的技术框架在GitHub上开源，旨在显著提升超长序列生成的处理速度，同时保持目标模型的固有质量。该框架支持高达100K tokens的序列生成，适用于需要处理大规模数据的场景，如自...

近日，GitHub上的开源项目LightningDiT引起了广泛关注。该项目通过将潜在空间与视觉模型对齐，成功解决了扩散模型中的一些关键挑战。LightningDiT不仅在ImageNet-256数据集上取得了最先进的成果，还显著加快了训练速...

近日，GitHub上发布了一个名为CoT-UQ的创新框架，该框架旨在为大型语言模型（LLM）提供响应层面的不确定性量化。CoT-UQ通过集成链式思维（Chain-of-Thought, CoT）推理，能够更精确地评估模型在生成响应时的置信度。...

ModelScope近日发布了Diffusion Studio，这是一个基于GitHub的开源平台和代码库，旨在为多种类型的扩散模型及其相关的自动编码器提供高效的抽象支持。Diffusion Studio通过简化复杂模型的开发流程，帮助研究人员和开...

近日，DeepSeek在GitHub上发布了名为DualPipe的开源项目，展示了其在模型并行计算领域的最新研究成果。DualPipe采用了一种新颖的并行策略，旨在优化模型的计算与通信重叠，从而显著提升整体性能。这一策略通过高效的...