开源项目
· 15 min read
MOSS-VL-Realtime 开源：11B 实时视频理解模型，真正开始边看边回答
MOSS-VL-Realtime 技术介绍与快速开始：OpenMOSS 开源 11B 实时视频理解模型，支持 256K 上下文、时间戳帧输入、边看边答、主动沉默和动态修正，适合连续视频流多模态理解。
影响：开源社区 阅读
Global AI Desk
按时间更新 第 1 / 2 页
Cv
持续更新 Cv 分类下的精选文章、教程和工具动态。
Top Stories
精选前沿动态
03
开源项目 · 9 min read
GLM-Image：首个开源工业级自回归图像生成模型
GLM-Image 是首个开源的工业级离散自回归图像生成模型，采用混合架构结合自回归模块与扩散解码器，在文本渲染和知识密集型生成场景中表现出色。本文介绍其技术特点与快速使用方法。
影响：开源社区
GLM-Image 图像生成
04
多模态 · 6 min read
Qwen-Image-Edit-2511 上手：更稳的一致性、更少的漂移，还把 LoRA 直接“塞进模型”
Qwen-Image-Edit-2511 是 Qwen-Image-Edit-2509 的增强版本，主打更稳的角色一致性、更少的图像漂移，并把部分社区 LoRA 能力“内置化”。本文用偏口语但技术向的方式，带你快速了解它能做什么、怎么用 diffusers 跑起来，以及哪些场景最值。
影响：AI 产品与技术关注者
Qwen-Image-Edit Diffusers
05
开源项目 HOT · 17 min read
GLM-4.6V 开源多模态 AI 模型下载使用教程【免费 106B 参数 | 图像识别 | 文档理解 | 视频分析】
GLM-4.6V 免费开源多模态 AI 大模型完整教程。支持图像识别、OCR文字提取、PDF文档理解、视频分析等功能，128K超长上下文，106B/9B 两个版本可选，支持本地部署和云端调用，包含下载安装、API使用、实战案例等详细说明
影响：开发者 / API 用户
GLM-4.6V 多模态模型
06
开源项目 HOT · 13 min read
Z-Image（造相）：阿里60亿参数开源文生图模型｜8步出图媲美闭源SOTA
Z-Image（造相）是阿里通义发布的60亿参数开源文生图模型，性能媲美甚至超越闭源模型！8步推理亚秒出图，16G显存可跑。支持中英文文字渲染，AI Arena人类偏好评测领先。本文包含安装部署与代码示例。
影响：开源社区
Z-Image 图像生成
07
模型发布 HOT · 14 min read
SAM 3D Objects教程：Meta AI单图3D重建模型｜一张图片秒变3D模型
SAM 3D Objects教程：Meta最新单图3D重建模型完全指南。一张图片秒变3D模型，支持复杂场景和遮挡处理。包含详细安装步骤、Python代码示例、实战案例。零基础快速上手SAM 3D，让你的图片立体起来！
影响：AI 产品与技术关注者
SAM 3D Objects 3D重建
08
多模态 HOT · 22 min read
SAM3教程：Meta AI最新图像分割模型完全指南｜支持400万概念的开放词汇分割
SAM3教程：Meta最新AI图像分割模型完全指南。支持400万+概念的开放词汇分割，文本提示即可精准分割图像视频。包含详细安装步骤、Python代码示例、性能优化技巧。零基础快速上手SAM3模型，提升计算机视觉项目效率。
影响：AI 产品与技术关注者
SAM3教程 AI图像分割
09
公司动态 · 4 min read
Microsoft TRELLIS 教程 - 开源文生3D、图生3D模型部署指南
详细介绍微软开源的TRELLIS大规模3D生成模型,包含本地部署教程、使用方法、最佳实践、性能优化建议,以及如何利用TRELLIS实现高质量的图生3D和文生3D内容生成,支持多种3D表示格式和标准导出
影响：开源社区
TRELLIS 3D生成
10
开源项目 HOT · 4 min read
STAR: 基于文本到视频模型的实际场景视频超分辨率技术
探索STAR（Spatial-Temporal Augmentation with Text-to-Video Models）如何利用文本到视频扩散模型提升真实世界视频的超分辨率效果。通过创新的时空质量增强框架、T2V模型集成、时间一致性保持等技术,有效解决了传统方法的局限。本文详细介绍STAR的技术原理、核心组件及实践指南,帮助读者掌握这一突破性的视频增强技术。
影响：开源社区
STAR 视频超分辨率
