1. Zusammenfassung Qwen-Image-Layered ist ein Open-Source-Bild-"Layering"-Modell des Qwen-Teams: Es nimmt ein normales RGB-Bild und gibt mehrere RGBA-...
1. Abstract VTP (Visual Tokenizer Pre-training) ist ein Open-Source-Visual-Tokenizer-Pre-Training-Framework, das vom MiniMax (Hailuo)-Team entwickelt ...
- Abstract PE-AV (Perception Encoder Audiovisual) ist Metas Open-Source-Audio-Visual-Gemeinschaftsencoder-Familie, die auf Basis des Perception Encode...
1. Abstract HY World 1.5 (WorldPlay) ist ein Open-Source-Echtzeit-Weltmodell-Framework, entwickelt vom Hunyuan-Team von Tencent, mit einem Videodiffus...
1. Abstract MiMo-V2-Flash ist ein Open-Source-Hybrid-Experten (MoE) großes Sprachmodell des Xiaomi MiMo-Teams mit einem Gesamtparameter von etwa 309B ...
1. Abstract LongCat-Video-Avatar ist ein audiogetriebenes Avatar-(virtueller Mensch-)Video-Generierungsmodell, das auf der LongCat-Video-Architektur b...