GitLab

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

chatglm2-6b的推理

Granite-speech-3.3系列模型是一款小巧且高效的语音语言模型，专为自动语音识别（ASR）和自动语音翻译（AST）而设计。

MiniCPM-V 2.6是是 MiniCPM-V 系列中最新、性能最佳的模型。仅 8B 参数，但却取得 20B 以下单图、多图、视频理解 3 SOTA 成绩，一举将端侧 AI 多模态能力拉升至全面对标 GPT-4V 水平。

DiffusionDet: Diffusion Model for Object Detection

Kimi-VL-A3B-Thinking 由月之暗面开源发布的多模态模型，在多模态推理和智能体能力方面表现突出。

deepseek开发的多模态图片问答模型

多模态视觉大模型

OFA在一个简单的seq2seq的学习框架中统一了不同的跨模态和单模态的任务，包括图像生成、视觉定位、图像说明、图像分类、语言模型等，提出一种统一的多模态预训练范式，以解决复杂的任务/模态需要特殊定制模型架构的问题。