AI 工具目录

CAP4D是基于可变形多视图扩散模型打造的4D人像化身生成技术平台，核心面向数字内容创作、3D建模相关从业者与研究人员。平台支持多参考图像输入生成不同视角、表情的人像画面，可将生成内容适配为可控4D化身，同时提供开源代码供技术研究与二次开发。用户可在游戏角色制作、虚拟主播形象定制、VR场景数字人搭建等场景中使用该技术，降低4D数字人创作的技术门槛，提升数字人建模的还原度与渲染效率。

Dyad是一款免费开源的本地化运行AI应用构建工具，可作为在线AI开发平台的替代选择，核心定位是帮助开发者独立掌控应用开发全流程，避免供应商锁定风险。平台支持AI对话式需求输入、全栈应用构建、第三方后端服务集成、自定义代码修改、项目本地导出等核心功能，目标用户覆盖应用开发初学者、独立开发者、全栈工程师、小型开发团队、学生开发群体、隐私需求较高的企业开发人员等，可应用于快速验证产品原型、开发个人工具类应用、搭建小型业务系统、课程实践项目开发、敏感数据相关应用开发等多种场景。

AnimateAnything是聚焦可控视频生成技术的开源项目站点，核心定位是为各类创作场景提供可精准控制的视频生成与编辑技术方案。核心功能包括多条件驱动视频生成、视频运动稳定优化、自定义运动轨迹适配，支持用户根据相机轨迹、文本描述、动作标注等不同维度的输入，生成符合预期的动态视频内容。目标用户覆盖AI视频技术研发人员、影视动画创作者、多媒体设计从业者、计算机视觉方向学生等，可应用于学术研究验证、动画小样快速制作、短视频创意生成、数字人动作生成、3D场景动态化等多个场景，帮助用户实现对视频内容运动逻辑的精细化把控。

GaussianCity是由南洋理工大学S-Lab团队开发的3D城市场景生成框架，基于3D高斯绘制技术打造，核心定位是解决大规模3D城市生成中的内存与计算效率问题。框架内置紧凑3D场景表示模块，可降低城市场景存储占用；搭载空间感知高斯属性解码器，能够实现单步前向传递生成无边界3D城市；配套完整开源代码与预训练模型，支持用户快速自定义场景开发。面向计算机视觉研究人员、3D内容开发者、自动驾驶仿真工程师等群体，可应用于城市规划可视化、自动驾驶训练场景搭建、元宇宙城市内容创作、游戏开放世界构建等多个场景。

Ouroboros3D是面向3D内容创作领域的统一3D生成开源框架，核心是将基于扩散的多视图图像生成与3D重建能力集成到递归扩散流程中，通过自条件机制实现两个模块的联合训练适配。其核心功能包括多视图图像递归生成、3D模型实时重建、几何一致性校验、推理过程可视化、自定义训练参数配置。目标用户覆盖3D算法研究人员、计算机图形学开发者、3D内容创作从业者、高校相关专业师生、AI生成内容技术爱好者。可应用于3D内容批量创作、数字孪生模型构建、游戏素材快速生成、学术研究算法验证、元宇宙场景搭建等多个场景，帮助用户降低3D内容生成的技术门槛，提升3D模型生成的几何稳定性。

PhysAvatar是一个结合逆向渲染与逆向物理技术的研究型框架，核心作用是从多视角视频数据中自动提取人体相关的三维与物理属性。其核心功能包括多视角视频驱动的人体属性估计、服装物理参数逆向求解、跨场景新视角内容渲染三类，主要面向计算机图形学研究者、数字内容创作者、虚拟形象开发人员等群体，可应用于虚拟人制作、影视动画角色建模、数字服装仿真等多个专业场景，帮助用户降低高精度人体虚拟形象的制作成本，提升虚拟形象在不同场景下的渲染真实度。

CLoT是一款聚焦大型语言模型创意能力探索的交互工具，核心定位为帮助用户直观感知大语言模型的创意输出边界。其核心功能包括幽默内容定向生成、发散性创意任务响应、交互过程可追溯记录三类，用户可通过简单的prompt输入触发对应输出。主要面向AI技术爱好者、内容创作者、高校AI相关专业学生、产品研发人员等群体，可用于日常创意灵感收集、大模型能力测试实验、教学演示场景互动、创意类内容辅助生产等多个场景，无需复杂的技术配置即可快速上手体验。

GaussianCube是一个专注于3D辐射表示技术的学术项目网站，核心定位是展示结构化显式3D辐射表示的相关研究成果与应用资源。核心功能包括提供结构化高斯表示技术的完整技术文档、开源算法代码包下载、3D重建与生成效果演示案例、相关研究论文与实验数据下载、开发者使用教程与常见问题解答。目标用户覆盖计算机视觉领域研究人员、3D内容开发工程师、图形学方向高校师生、元宇宙内容创作者、3D建模从业者。适用场景包括3D内容生成模型研发、高精度3D场景重建、游戏与影视3D资产制作、AR/VR场景内容构建、3D测量与数字孪生建模等多个领域，帮助相关从业者降低3D生成建模的开发门槛，提升3D内容的制作效率与呈现质量。

DualGS是基于双高斯溅射技术的体积视频处理开放项目官网，核心定位为面向学术研究、数字内容创作领域的人体体积视频表示技术落地载体，核心功能包括双高斯人体建模、体积视频高压缩比处理、多端实时渲染适配。目标用户覆盖计算机图形学研究者、动作捕捉内容开发者、VR内容创作者、数字人制作团队等，可应用于学术研究复现、体积视频内容生产、移动端/VR端动态数字人渲染、动捕素材高效存储传输等场景，为人体体积视频的制作、压缩、渲染全流程提供技术方案参考与Demo体验。

Diffusion-Vas是由卡内基梅隆大学提出的视频非可见物体分割与内容补全技术的官方展示站点，核心定位是面向计算机视觉领域的技术交流与效果演示平台。该站点提供模型技术原理详解、多场景效果可视化演示、论文成果下载三大核心功能，服务于计算机视觉研究者、视频处理开发人员、高校相关专业师生等群体，可用于视频分析算法研究、特效制作中的物体补全开发、视频修复场景的技术选型参考等场景，帮助用户直观理解非可见物体分割技术的实现逻辑与应用价值。

AI Web Page Analyzer (AI WPA) 是一款基于人工智能技术的网页分析工具，核心定位为帮助用户完成网页数据提取、SEO优化分析、反向链接策略生成等工作，支持免费开源使用。其核心功能包括网页多维度指标检测、AI 驱动的内容价值提取、反向链接优化建议生成三类，目标用户覆盖 SEO 从业者、网站运营者、前端开发人员、内容创作者、独立站长、数字营销人员等群体，可应用于网站上线前性能检测、竞品网页内容调研、SEO 排名提升策略制定、网页合规性排查、数据批量采集等多种场景，无需复杂配置即可完成网页的系统性分析。

ALIEN是一个基于CUDA技术开发的物理与渲染引擎结合的人工生命仿真程序，核心定位为人工生态系统模拟与进化仿真研究平台，支持自定义人工生命行为规则、多维度生态环境参数调整、进化过程可视化追踪三大核心功能，面向计算生物学研究者、AI进化算法开发者、计算机图形学爱好者、高校相关专业师生等群体，可应用于人工生命演化实验、群体智能行为研究、进化算法验证、数字生态系统可视化演示等多种场景，项目完全开源，遵循BSD-3-Clause许可协议，用户可自由修改与分发代码。

VARAG是一款聚焦多模态文档检索的开源技术系统，核心定位是优化文本、图像及混合类型文档的检索效率与准确率。它支持页面级图像嵌入编码，可直接将文档页面以图像形式纳入检索流程，无需复杂的内容拆分预处理；搭载视觉语言模型完成内容理解编码，能够识别文档中的图表、手写批注、版式元素等非结构化内容；支持检索结果的相关性排序与内容溯源，方便用户快速定位目标文档片段。该系统面向AI研发人员、文档管理从业者、多模态技术研究者等群体，适用于企业内部知识库检索、学术文献批量检索、扫描版文档内容查找、多模态数据集内容筛选等场景。

Omages是专注于3D模型生成技术研发与演示的开源技术站点，核心是将3D形状封装为64x64像素的Object Images格式，简化3D内容的生成与处理流程。站点支持Omages格式的3D模型预览、Diffusion Transformers生成3D形状的效果演示、传统3D网格与Omages格式的在线转换，面向计算机视觉研究者、3D内容创作者、图形学开发人员，可用于3D生成模型开发、轻量3D内容存储、3DAI模型训练数据预处理等场景，帮助用户降低3D形状处理的技术门槛。

OK-Robot是一个面向机器人操作领域的开放模块化框架，核心定位是实现任意家居环境下基于自然语言指令的零样本物品搬运任务。该框架采用多模块协同的设计思路，内置3D VoxelMap开放词汇导航、AnyGrasp与LangSam联合开放词汇抓取、智能放置原语三大核心功能，无需针对特定环境预先训练即可实现指令的零样本泛化。目标用户覆盖机器人研发人员、高校人工智能方向研究人员、智能家居开发团队等群体，可应用于家用服务机器人功能研发、机器人泛化能力学术研究、工业柔性搬运场景原型测试等多种场景，为降低机器人语言交互落地门槛提供技术支撑。

BrowserOS是一款开源免费的AI Agent浏览器产品，核心定位是将AI代理能力原生集成到浏览器内核中，无需额外安装插件即可实现网页操作自动化。其核心功能包括AI代理自动网页交互、多步任务智能执行、网页内容智能提取整理，目标用户覆盖日常网页浏览用户、办公行政人员、内容创作者、数据调研人员、前端开发人员等，可应用于批量网页信息采集、多平台账号操作辅助、网页内容结构化整理、重复网页流程自动化执行等场景，为用户降低网页操作的重复工作量。

Garment3DGen是一款面向3D服装创作领域的在线工具，核心定位是为用户提供轻量化的3D服装模型生成服务。其核心功能包括可视化拖放式服装编辑、多维度参数调节、多格式3D模型导出，支持用户无需安装专业客户端软件，即可在浏览器中完成服装模型的基础创作。目标用户覆盖服装设计师、3D建模从业者、游戏美术人员、3D打印爱好者等群体，适用于服装设计原型快速制作、游戏角色服装资产搭建、3D打印服装模型预处理、高校服装相关专业教学实训等多个场景，帮助用户降低3D服装创作的操作门槛。

TCAN是ECCV 2024收录的基于扩散模型的人像动画学术项目官网，核心定位是面向研究人员和开发者的时间一致性人像动画技术展示与资源平台。核心功能包括框架技术细节公开、效果演示视频展示、论文源码与预训练模型下载。目标用户覆盖计算机视觉领域研究人员、AI动画开发工程师、数字内容创作者、高校相关专业师生。可用于人像动效生成研究、虚拟数字人驱动开发、短视频内容二次创作、学术复现实验等多种场景，帮助用户了解该框架在跨域人像动画生成中的时间一致性保持能力，获取完整的技术落地参考资源。

Helpful DoggyBot是面向四足机器人研发的室内移动操作系统，核心围绕四足机器人的室内任务执行需求设计，可支持机器人实现复杂环境下的移动与操作。系统搭载模拟训练的低级运动控制器，可实现攀爬、全身倾斜等敏捷动作；同时融合预训练视觉-语言模型，具备语义理解与指令生成能力；支持零样本泛化，无需额外实地数据采集或训练即可在陌生环境执行任务。目标用户涵盖机器人研发人员、高校自动化相关专业师生、智能硬件开发团队、室内服务机器人方案提供商等，可应用于四足机器人运动算法验证、室内服务机器人任务逻辑调试、多模态交互机器人原型开发、机器人零样本泛化能力测试等场景。

VidPanos是一款专注于普通平移视频转全景视频的在线工具，核心基于生成视频模型与空间时间外推技术，可将用户随手拍摄的横向平移视频转换为同时长的全景视频内容，解决了静态全景图无法还原场景动态元素的问题。核心功能包括平移视频全景转换、动态场景元素保留、多类型野外场景适配，目标用户覆盖视频创作者、全景内容开发者、文旅宣传从业者、户外记录爱好者等群体，适用于制作沉浸式旅行vlog、景区全景宣传素材、户外动态场景存档、全景交互内容原型等多个场景。

Farfalle是一款开源的AI驱动搜索引擎，核心定位为支持本地大语言模型与云端模型接入的可定制搜索工具，核心功能包括多源搜索结果聚合、本地/云端LLM混合调用、搜索链路可自定义配置，同时支持与主流开发技术栈快速集成。目标用户覆盖AI应用开发者、隐私敏感的搜索使用者、开源工具二次开发爱好者等群体，适合用于搭建个人专属搜索工具、企业内部知识库检索系统、AI搜索类产品原型验证等场景，用户可根据自身需求灵活调整模型接入方式与搜索逻辑，满足不同场景下的信息检索需求。

Zasper是面向数据科学领域打造的集成开发环境（IDE），从底层架构设计适配大规模并发处理需求，具备低内存占用、运行速度快、高并发连接承载的特性。核心功能包括兼容REPL风格交互式代码运行、分布式数据任务调度、多语言环境统一管理，主要面向数据科学家、算法工程师、后端开发者等群体，可应用于机器学习模型迭代、大数据分析脚本调试、高并发数据服务开发、实时数据处理流程测试等多类场景，帮助用户在数据研发全流程中降低资源消耗，提升代码运行与任务处理效率。

VideoGrain是基于扩散模型的视频编辑技术展示平台，核心定位是为内容创作者、技术研究者提供可交互的多粒度视频编辑技术演示与参考。平台支持文本驱动的指定区域视频编辑，可实现跨帧语义一致的内容修改，同时保留原有视频的运动逻辑与画面风格；支持不同编辑粒度的调节，用户可选择从局部物体替换到整体场景风格调整的不同编辑强度；还提供多组对比案例，直观呈现技术效果与传统编辑方法的差异。平台目标用户包括视频后期从业者、AI视频技术研究者、广告内容制作人员、高校计算机相关专业师生等，可用于影视后期片段修改、广告创意内容快速迭代、视频编辑技术研发参考、学术研究效果验证等场景。

gradio-bot是一款专注于Gradio应用与Discord平台打通的部署工具，核心定位是降低机器学习应用到社交平台的分发门槛。它支持将Hugging Face Space中的Gradio应用快速转化为Discord机器人，支持自定义命令映射、参数自动适配、交互逻辑同步三大核心功能。目标用户覆盖机器学习开发者、Discord社区运营者、AI应用创作者，可用于社区AI工具搭建、模型演示交互、用户反馈收集等多种场景，无需复杂的Discord机器人开发经验即可完成部署流程。

Boltz-1是麻省理工学院Jameel Clinic团队开发的开源生物分子结构预测模型站点，核心定位是为全球科研群体提供可自由使用的高精度生物分子结构预测工具。站点核心功能包括公开完整的Boltz-1模型权重与调用接口，提供分子结构预测结果的可视化展示模块，同时开放模型训练所用的部分数据集与技术文档。目标用户覆盖高校结构生物学研究人员、生物制药企业研发人员、计算生物学方向学生等群体，可应用于蛋白质结构解析、药物靶点筛选、分子互作机制研究等多种科研与产业场景，支持非学术场景的商业开发需求。

PanoHead是专注于360°全头部3D合成的学术研究项目站点，核心定位为面向计算机视觉领域的3D人头生成技术展示与资源输出平台。核心功能包括360°几何感知的全头合成技术演示、非结构化图像训练方案说明、视图一致的3D头部生成效果展示。目标用户覆盖计算机视觉研究人员、3D内容开发者、数字人制作从业者、高校图形学相关专业师生。可应用于数字人模型快速生成、影视虚拟角色原型制作、VR/AR虚拟头像定制、人脸相关算法研究验证等场景，帮助用户降低3D头部模型的制作门槛，提升生成内容的视角一致性与几何细节精度。

C3PO是面向大语言模型对齐领域的技术资源站点，核心功能包括提供基于单条用户反馈的LLM对齐技术参考实现、配套基准测试数据集、完整技术组件库，主要服务于人工智能领域的科研人员、算法工程师、高校相关专业师生，可用于学术研究中的模型对齐实验、工业场景下小样本模型微调优化、对齐技术效果对比测试等场景，帮助用户解决传统RLHF技术依赖大量标注数据、容易出现过度概括的问题。

MeshUp是基于混合得分蒸馏技术的3D网格变形工具，核心定位是为3D创作、科研人员提供精准可控的网格局部编辑能力。核心功能包括文本/图像驱动的多概念变形、自定义顶点选择的局部区域控制、3D一致掩码的概念混合效果生成。目标用户覆盖3D建模从业者、计算机图形学研究者、游戏美术设计师、数字内容创作者。可应用于3D模型局部风格调整、多风格融合的角色模型制作、科研场景下的3D网格变形算法验证等场景，无需复杂的手动网格调整操作，即可实现高精度的网格形态修改。

DisPose是聚焦于人类图像动画生成的技术演示站点，核心功能包含基于参考图像与驱动视频的人物动画生成、运动对齐与身份一致性保持、即插即用的控制信号适配三类。站点面向AI视频生成从业者、计算机视觉研究人员、内容创作者、动画制作人员等群体，可应用于数字人内容制作、学术技术验证、短视频动效制作、虚拟形象驱动等多种场景，帮助用户在不需要额外复杂输入的前提下，生成动作自然、身份特征稳定的人物动画视频。

ID-Aligner是专注于身份保留文本到图像生成的反馈学习框架官方站点，核心定位是为AI图像生成领域开发者、研究人员提供可落地的身份特征保持优化方案。核心功能包括面向LoRA与Adapter模型的身份保留增强、基于面部检测识别模型的自动反馈迭代、结合人工标注数据的审美属性调整，可帮助用户在生成特定人物肖像类图像时，既保留目标人物的核心身份特征，又能提升生成结果的视觉协调性。该站点面向计算机视觉领域研究者、AIGC应用开发者、AI绘画定制化服务从业者开放，可应用于人物肖像定制生成、虚拟数字人形象制作、老照片修复复原、影视角色概念图创作等多个场景，降低身份特征偏移带来的生成返工成本。

Generative Keyframe Interpolation with Forward-Backward Consistency是一个基于图像到视频扩散模型的关键帧插值工具，核心定位是在两张静态关键帧之间生成高连贯性的过渡视频序列。其核心功能包括支持双关键帧输入生成平滑运动视频、前后向一致性校验保障帧序列逻辑连贯、轻量级微调适配不同风格的图像内容。目标用户覆盖动画制作人员、视频剪辑师、数字艺术创作者、影视后期从业者等，可用于动画补帧、视频转场制作、静态图像动态化创作、旧视频帧修复补全、创意短视频特效制作等场景，无需复杂的手动帧绘制操作即可实现流畅的视频过渡效果。

SAMURAI是基于Segment Anything Model 2(SAM 2)开发的视觉对象跟踪模型项目官网，核心定位是为视觉跟踪领域提供无需微调的零样本目标跟踪解决方案。核心功能包括运动感知记忆选择机制、时间运动线索融合、多基准数据集效果验证等，支持用户快速了解模型架构、复现跟踪效果、下载相关测试资源。目标用户覆盖计算机视觉领域研究人员、AI算法开发工程师、智能监控系统开发者、自动驾驶感知模块研发人员等，可用于学术研究对比、工业级视觉跟踪系统搭建、复杂动态场景跟踪方案选型等场景，帮助用户降低视觉跟踪模型的开发和适配成本。

Arbius是构建在区块链上的去中心化机器学习网络，核心定位是打造无许可、用户自主控制的AI服务生态，不依赖中央管理机构，所有代码完全开源。平台支持用户贡献GPU算力获得代币奖励、持有者通过链上投票参与协议治理、模型创作者可获得持续收入分成。目标用户覆盖加密货币爱好者、GPU算力提供者、AI模型开发者、Web3从业者、去中心化治理参与者等群体，可应用于闲置GPU资源变现、无权限调用AI模型、参与Web3项目治理、AI创作者获得公平收益等多种场景。

RT-Trajectory是专注于机器人轨迹控制与任务泛化的技术项目官网，核心定位是为机器人控制领域提供基于轨迹草图的策略实现方案。平台支持多源轨迹草图生成、机器人任务泛化验证、真实场景效果评估、多模态输入适配等核心功能，同时提供完整的技术文档与开源代码支撑，方便相关从业者快速落地相关方案。该项目面向机器人研发工程师、人工智能研究者、高校自动化专业师生、机器人赛事参与者、工业自动化方案开发者、具身智能创业团队等用户群体，可应用于工业机器人任务调试、服务机器人新功能开发、具身智能算法研究、机器人教学实验、多模态机器人控制方案验证等多个场景，帮助用户降低机器人新任务适配的开发成本，提升不同场景下的任务执行适配性。

Phasr是一款免费开源的AI代码编辑器，核心定位为并行编码代理调度工具，支持接入Claude、Codex、Copilot等多种主流AI编码模型。核心功能包括Git工作区隔离机制、实时代码差异对比、多代理任务并行调度，可满足开发者同时调用多个AI模型完成编码任务的需求。目标用户覆盖全栈开发者、开源项目维护者、AI编码工具爱好者等群体，适用于多模型协同编码、代码分支调试、多人协作项目迭代等多种开发场景，帮助开发者整合不同AI模型的能力，提升编码效率与代码质量。

HelloMeme是一款基于扩散模型的AI视频生成工具，核心定位是为用户提供高保真、多条件控制的视频生成服务。核心功能包含：支持驱动视频帧特征输入生成对应动态内容，内置优化后的Animatediff模块提升视频连续性，支持ARKit面部混合形状控制角色表情，兼容SD1.5生态的Lora与Checkpoint模型。目标用户涵盖AI内容创作者、动画设计师、虚拟形象运营者、短视频制作者、学术研究人员等。使用场景包含虚拟主播动态视频制作、短视频创意片段生成、动画分镜动态演示、AI艺术创作实验、虚拟角色表情驱动测试等，能够满足不同用户对可控AI视频生成的需求。

MegaSaM是一个面向动态场景单目视频处理的视觉SLAM技术系统，核心定位为从单目视频中快速稳健估计相机参数与深度图。其核心功能包括动态场景相机姿态估计、高精度深度图生成、不受限相机路径适配。目标用户覆盖计算机视觉研究人员、自动驾驶算法开发者、三维重建从业者、影视特效制作人员、AR/VR技术开发者等群体，可应用于动态街景三维重建、移动设备空间定位、动态场景虚实融合、影视镜头三维信息提取、机器人环境感知等多个场景，解决传统SLAM技术仅适用于静态场景、对相机路径限制较多的问题。

Sketch2Sound是一款基于扩散变换器（DiT）架构的音频生成工具，核心定位是结合文本语义与可控参数的声音合成平台，支持通过响度、亮度、音高等时变控制信号搭配文本提示生成定制化音频，可在现有文本到音频扩散模型基础上实现轻量化微调。核心功能包括多维度参数控制音频生成、文本语义与控制信号融合合成、低资源模型适配部署三类。目标用户覆盖声音设计师、音频创作者、游戏音效开发人员、交互艺术创作者等，适用于游戏音效制作、影视动效设计、交互艺术装置音频生成、音乐demo快速试制等场景，帮助创作者在保留文本提示语义的同时，实现更精准的音频效果控制。

Generative Rendering：2D mesh是一款结合3D网格可控性与扩散模型生成能力的在线生成工具，核心定位是解决现有文本生成视频可控性不足的问题。其核心功能包括支持低保真动画3D网格输入生成高保真时序一致视频、可通过调整资产动作与相机路径控制视频内容、将网格对应信息注入文本生成模型各阶段保证生成质量。目标用户覆盖CG创作者、AI生成内容研究者、动画制作从业者、游戏内容开发者、新媒体内容创作者等，可应用于动画初稿制作、3D内容风格化渲染、创意短视频生成、游戏过场动画快速制作、学术研究效果验证等多种场景。

SketchDeco是一款专注于草图色彩化的在线图像生成工具，核心定位是为用户提供无需文本提示的黑白草图转彩色写实图像服务。核心功能包括基于ControlNet的草图结构识别、分阶段色彩填充生成、自定义调色板适配，适配消费级GPU运行环境，无需额外模型训练即可使用。目标用户覆盖插画师、概念设计师、动画原画师、手工艺创作者、平面设计师等创意领域从业者及爱好者，可应用于前期概念稿快速上色、手绘草稿视觉效果预览、线稿配色方案验证、批量草图风格统一调整等场景，帮助用户降低草图色彩化的操作门槛，提升创意落地效率。

PicoClaw是一款轻量型可自托管的AI助手工具，核心定位是面向低配置硬件环境的轻量化AI服务方案，主打极低资源占用，运行时内存占用低于10MB，启动耗时仅需1秒，可适配从树莓派到安卓设备在内的多样化硬件设备。核心功能包括本地私有化部署、低资源环境运行、自定义指令响应三大模块，目标用户覆盖嵌入式开发人员、边缘计算从业者、隐私敏感型个人用户、小型团队运维人员等群体，可应用于边缘设备本地智能交互、离线场景AI辅助、家庭私有智能服务搭建、小型硬件设备AI功能集成等多种场景，无需依赖云端服务即可在本地设备上提供稳定的AI响应能力。

BrushEdit是聚焦图像修复与编辑领域的AI工具，核心定位是通过多模态大语言模型与图像修复模型的结合，支持用户用自然语言指令完成图像编辑操作。核心功能包括自然语言指令解析、智能掩码生成、分区域图像修复，能够自动识别用户编辑需求中的对象与区域，无需手动框选编辑范围。目标用户覆盖平面设计从业者、内容创作者、摄影爱好者、科研人员等群体，可应用于旧照片修复、产品图瑕疵处理、创意图像调整、海报内容修改等多种场景，降低图像编辑的操作门槛。

HOMIEtele是一款专注于人形机器人遥操作的开源技术服务平台，核心定位为研究人员、机器人开发团队提供集动作捕捉、远程控制、仿真训练于一体的技术支持体系。平台集成实时人体运动捕捉模块，可将人体肢体动作快速映射至人形机器人关节；内置强化学习训练框架，支持用户自定义训练场景完成机器人行走、操作等任务的模型迭代；提供多端适配的遥操作接口，满足不同硬件环境下的远程控制需求。目标用户覆盖机器人领域研发人员、高校相关专业师生、人形机器人开发团队、人工智能算法研究员等，可应用于人形机器人动作开发、远程作业场景验证、强化学习算法落地测试、机器人教学演示等多个场景。

Octopus是一款基于环境反馈的视觉语言编程工具，核心定位是为AI代理任务处理提供从目标解析到代码生成的全流程支持。其核心功能包括多模态任务目标解析，可同时理解视觉输入与文本指令的需求；复杂动作序列规划，能为不同场景下的任务生成可落地的执行步骤；可执行代码自动生成，将规划好的动作序列直接转化为可运行的代码。该工具面向AI研究人员、智能体开发人员、游戏AI开发者等群体，可应用于模拟器日常任务处理、复杂游戏交互开发、智能体决策模型训练、多模态AI系统研发等多个场景。

RF-Inversion是由德克萨斯大学奥斯汀分校与谷歌研究人员联合开发的图像生成与编辑技术展示平台，核心基于随机微分方程（SDE）实现图像反转与编辑操作，无需额外模型训练、潜在空间优化、提示词调整或复杂注意力处理器即可完成相关任务。平台核心功能包括零样本图像反转、笔画转图像合成、语义图像编辑三类，主要面向计算机视觉研究人员、AI图像技术开发者、数字内容创作者、高校图像处理相关专业学生等群体，可应用于学术研究效果复现、创意图像内容生成、图像属性定向调整、手绘内容数字化转换等多种场景。

Video Language Planning（简称VLP）是面向机器人任务规划领域的算法展示与技术说明站点，核心定位是展示基于视觉语言模型与文本到视频模型结合的长期任务视觉规划方案。站点核心功能包括算法原理的可视化讲解、不同应用场景的实验结果展示、可复现的技术实现文档开放，目标用户覆盖机器人研发人员、多模态AI研究者、高校自动化相关专业师生，可用于机器人任务规划算法调研、多模态模型落地机器人场景的技术参考、相关领域学术研究的案例参考等场景。

FMA-Net是由韩国科学技术院VIC实验室推出的视频超分辨率与去模糊深度学习模型站点，核心为实现低分辨率模糊视频的高质量清晰化修复。站点搭载流引导动态过滤、多注意力迭代特征精炼两大核心技术，可应对视频中的大幅度动作场景，实现超分辨率与去模糊任务的联合处理。目标用户覆盖计算机视觉研究人员、视频内容创作者、视频修复从业者、多媒体开发工程师等群体，可用于老旧影像修复、监控视频画质增强、自媒体素材画质提升、学术研究算法对比等多类场景。

HAAR是由马克斯·普朗克研究所发布的文本驱动3D发型生成学术工具，核心定位是为计算机图形领域提供可直接应用的高保真3D发型资产生成能力。核心功能包括文本提示驱动的3D发型生成、发丝级高分辨率发型重建、自动标注的合成发型数据集输出，目标用户覆盖动画制作人员、游戏开发设计师、虚拟数字人创作者、计算机图形学研究人员等，可应用于影视动画角色资产制作、游戏角色发型自定义开发、虚拟数字人形象定制、3D发型相关学术研究实验等多种场景，生成的发型资产可直接对接主流计算机图形渲染管线使用。