UniToken – 复旦联合美团等机构推出的统一视觉编码框架
UniToken 是新型的自回归生成模型，专为多模态理解与生成任务设计。通过结合离散和连续的视觉表示，构建了一种统一的视觉编码框架，能同时捕捉图像的高级语义和低级细节。
18
0
2025-08-31
UniTok – 字节联合港大、华中科技推出的统一视觉分词器
UniTok 是字节跳动联合香港大学和华中科技大学推出的统一视觉分词器，能同时支持视觉生成和理解任务。基于多码本量化技术，将视觉特征分割成多个小块，每块用独立的子码本进行量化，极大地扩展离散分词的表示能力，解决传统分词器在细节捕捉和语义理解之间的矛盾。
22
0
2025-08-31
UniTalker – 商汤推出的音频驱动3D面部动画生成模型
UniTalker是推出的音频驱动3D面部动画生成模型，能根据输入的音频生成逼真的面部动作。采用统一的多头架构模型，用带有不同标注的数据集，支持多语言和多种音频类型的处理，包括语音和歌曲。
19
0
2025-08-31
UniRig – 清华联合 VAST 开源的通用自动骨骼绑定框架
UniRig是清华大学计算机系和VAST联合推出的创新自动骨骼绑定框架，用在处理复杂和多样化的3D模型。基于大型自回归模型和骨骼点交叉注意力机制，生成高质量的骨骼结构和蒙皮权重。
20
0
2025-08-31
UniReal – 港大联合 Adobe 推出的通用图像生成和编辑框架
UniReal是什么 UniReal是香港大学和Adobe研究院共同推出的框架，专注于实现多种图像生成和编辑任务。框架基于模拟现实世界动态，能在单一模型中处理包括图像生成、编辑、定制和合成在内的广泛任务。UniReal将不同...
19
0
2025-08-31
UniPortrait – 阿里推出的AI人像图像个性化编辑工具
22
0
2025-08-31
UniFluid – 谷歌联合麻省理工推出的多模态图像生成与理解框架
UniFluid 是谷歌 DeepMind 和麻省理工学院联合推出的，统一的自回归框架，用在联合视觉生成和理解任务。基于连续视觉标记处理多模态图像和文本输入，生成离散文本标记和连续图像标记。框架基于预训练的 Gemma 模型，用配对的图像-文本数据训练，让生成和理解任务相互促进。UniFluid 基于标准的 SentencePiece 作为文本标记器，用连续变分自编码器（VAE）作为图像生成的标记器，结合 SigLIP 图像编码器用在理解任务。
19
0
2025-08-31
UniEdit – 免训练调优的统一视频编辑框架
UniEdit是由浙江大学、微软研究院和北京大学的研究人员推出的一个创新的视频编辑框架，允许用户在不需要进行模型微调的情况下，对视频的运动和外观进行编辑，能够同时处理视频的时间维度（如动作变化）和空间维度（如风格化、物体替换、背景修改）的编辑任务。
18
0
2025-08-31
UniBench – Meta推出的视觉语言模型(VLM)评估框架
UniBench是Meta FAIR机构推出的视觉语言模型(VLM)评估框架，对视觉语言模型(VLM)进行全面评估。UniBench包含50多个基准测试，涵盖物体识别、空间理解、推理等多维度能力。
17
0
2025-08-31
UniAct – 清华、商汤、北大、上海AI Lab共同推出的具身基础模型框架
UniAct 是新型的具身基础模型框架，解决不同机器人之间行为异构性的问题。通过学习通用行为，捕捉不同机器人共享的原子行为特征，消除因物理形态和控制接口差异导致的行为异构性。
19
0
2025-08-31
Uni-baidu09AdaFocus – 清华大学推出通用的高效视频理解框架
Uni-AdaFocus是清华大学自动化系的研究团队推出的通用的高效视频理解框架，框架通过自适应聚焦机制，动态调整计算资源的分配，实现对视频内容的高效处理。
20
0
2025-08-31
Unbounded – 谷歌推出的首款AI生成式无限人生模拟游戏
Unbounded是谷歌和北卡罗来纳大学教堂山分校共同推出的无限人生模拟游戏。游戏突破传统视频游戏的局限，用生成模型，如大型语言模型(LLM)和视觉生成模型，创造一个没有固定规则和边界的游戏体验。玩家与自己的虚拟角色互动，用自然语言指令引导角色在虚拟世界中探索、互动，形成连贯的故事线。
18
0
2025-08-31
Umi-baidu09OCR – 免费 OCR 文字识别工具，支持截图、批量图片排版解析
Umi-OCR 是免费开源的离线 OCR 文字识别软件。无需联网，解压即用，支持截图、批量图片、PDF 扫描件的文字识别，能识别数学公式、二维码，可生成双层可搜索 PDF。内置多语言识别库，界面支持多语言切换，提供命令行和 HTTP 接口调用功能。
16
0
2025-08-31
Ultravox – 端到端多模态大模型，直接理解文本和人类语音
Ultravox是新型的多模态大型语言模型（LLM），能直接理解文本和人类语音，无需依赖单独的自动语音识别（ASR）阶段。基于多模态投影器技术将音频数据转换为高维空间表示，与LLM直接耦合，显著减少处理延迟，提高响应速度。
16
0
2025-08-31
UltraMem – 字节豆包大模型团队推出的全新超稀疏模型架构
UltraMem 是字节跳动豆包大模型团队提出的全新超稀疏模型架构，解决传统 MoE 架构在推理时的高额访存问题。架构通过优化内存访问和计算效率，显著降低推理成本，推理速度较 MoE 提升了2-6倍，成本最高可降低83%。
19
0
2025-08-31
