paper
本站收录 21 个带「paper」标签的 AI 开源项目
Tacotron-2Tacotron-2 是 DeepMind 提出的端到端文本转语音（TTS）模型的 TensorFlow 实现。它解决传统语音合成系统需要大量人工特征工程和复杂★ 2,321
Paper-NotesPaper-Notes 是一个面向 AI 研究者和学习者的论文解读合集，收录了数千篇来自 AI、LLM、NLP、CV 等领域顶会论文的中文解读，每篇笔记力求在 ★ 2,047
Awesome-Interaction-Aware-Trajectory-Prediction这是一个聚焦交互感知轨迹预测（Interaction-Aware Trajectory Prediction）的精选资源合集，主要服务于自动驾驶、机器人导航与行★ 1,693
Awesome-Talking-Head-SynthesisAwesome-Talking-Head-Synthesis 是一个专注于语音驱动人脸合成（Talking Head Synthesis）领域的精选资源列表，旨★ 1,557
KnowledgeEditingPapersKnowledgeEditingPapers 是一个精选论文列表，聚焦于大语言模型（LLM）的知识编辑（Knowledge Editing）领域。知识编辑旨在高★ 1,248
diffwaveDiffWave 是一个基于扩散概率模型的神经声码器与波形合成器，由 Google Brain 团队提出，用于从梅尔频谱等条件特征高效生成高质量语音波形。它解决★ 886
awesome-ragAwesome-RAG 是一个精选资源列表，汇总了检索增强生成（RAG）领域的典型论文与系统。它旨在帮助研究者和开发者快速了解 RAG 技术的最新进展和核心方法★ 462
Audio2HeadAudio2Head 是一个基于 IJCAI 2021 论文的音频驱动说话头生成项目，专注于实现一次性（one-shot）的头部自然运动合成。它解决了传统说话头★ 351
kodcodekodcode 是一个合成数据集生成框架，专门用于创建多样化的编程题目和可验证的解决方案。它解决的是高质量代码生成模型训练数据稀缺的问题，通过自动化流程生成带测★ 321
wavegradWaveGrad 是一个基于分数匹配的快速高质量神经声码器，由 Google Research 提出，用于从梅尔频谱图生成原始音频波形。它解决了传统神经声码器（★ 299
papernotepapernote 是一个面向论文阅读与笔记管理的开源工具，旨在帮助研究人员和开发者高效整理 arXiv 论文的个人注释、简介和代码链接。它解决了论文阅读过程中★ 275
Music-Dance-Video-SynthesisMusic-Dance-Video-Synthesis 是一个基于 PyTorch 的自监督舞蹈视频合成项目，发表于 ACM MM 2020 Oral。它解决的★ 249
Efficient-VDVAEEfficient-VDVAE 是论文“Efficient-VDVAE: Less is more”的官方 PyTorch 和 JAX 实现，旨在提升层次化变分★ 199
DyPRAGDyPRAG 是一个基于 arXiv 论文实现的动态参数检索增强生成框架，旨在解决大语言模型在测试时知识过时或缺失的问题。它通过动态识别输入查询中需要更新的参数★ 184
Sin3DMSin3DM 是一个基于单张3D形状训练的扩散模型，旨在解决3D生成中数据稀缺的问题。它从单个3D形状学习其内部分布，能够生成多样化的、与输入形状相似的新3D模★ 140
awesome-artificial-intelligence-research这是一个面向 AI 研究者的精选资源清单（Awesome List），系统整理了人工智能各子领域的前沿论文、工具、数据集与学习资料，覆盖推荐系统、计算机视觉、机★ 133
AI-prompts-writing这是一个面向学术写作场景的 AI 提示词库，专门解决学生和研究者在使用 ChatGPT 等大模型写论文时常见的“AI 味”重、内容空洞、数据幻觉等问题。项目提供★ 126
PaperBotPaperBot 是一个面向学术研究者的个人 AI 基础设施，旨在解决文献检索、阅读和知识管理中的信息过载问题。它通过 Python 构建，提供了一套工具链，帮★ 108
SingleShapeGenSingleShapeGen 是 SIGGRAPH Asia 2022 论文《Learning to Generate 3D Shapes from a Sin★ 99
hashformershashformers 是一个基于 Transformer 的哈希标签分割工具，旨在将连写或拼接的标签（如 #机器学习入门）自动切分为有意义的词语序列。它解决了★ 78
Text-Normalization-Demo这是一个文本规范化（Text Normalization）的演示项目，对应论文《Text Normalization using Memory Augmente★ 60