GitLab

Olmo3是一个新的 7B 和 32B 模型系列，包括 Instruct 和 Think 变体。长链思维可以改进数学和编码等推理任务。

End-to-End Object Detection with Transformers

轻量化之王MobileNetV4，手机推理速度 3.8ms，在移动CPU、DSP、GPU以及苹果M处理器和谷歌Pixel Edge TPU全都高性能。

Qwen2-VL是基于Qwen2开发而成,在架构上的一大改进是实现了对原生动态分辨率的全面支持，与上一代模型相比，能够处理任意分辨率的图像输入。

Step-Video-T2V是一个目前最先进的文本到视频预训练模型，拥有300亿个参数，能够生成最长204帧的视频。

llama验证工具库

DeepSeek-Coder is a family generation models

StarCoder2 is a family of code generation models

BLIP3-o可用于多模态数据预标注，通过60k指令调优数据集BLIP3o-60k进行增强，全开源统一多模态模型，支持文本到图像生成、图像描述以及视觉问答在内的多种任务。

实现目标跟踪的大统一

Pix2pixHD是一种图像到图像的转换模型，它可以将输入图像转换成一种特定的输出图像。这种模型的应用非常广泛，例如将草图转换成真实的图片、将低分辨率图片转换成高分辨率图片、将黑白图像转换成彩色图像等等。

一个基于Ort的PaddleOCR推理应用。

LapSRN是一种用于超分辨率重建的神经网络模型，全称为Laplacian Pyramid Super-Resolution Network。它可以将低分辨率的图像增强到高分辨率，从而提高图像的质量和清晰度。LapSRN模型基于图像金字塔理论，采用多级金字塔结构，通过渐进性的上采样和细节增强，逐步提高图像分辨率。

Meta开源模型Llama-3