SAI 开源 SPAR3D：一秒内从单图生成可编辑 3D 模型
SPAR3D[8] 是 SAI 最近开源的一项图生 3D 技术，能够在短短一秒内从单张图片生成可编辑的 3D 模型。这项技术对于商业和非商业用途均免费开放，只要年收入小于 100 万美元即可使用。目前，代码和模型都已经公开发布。
字节跳动开源 S T A R 视频超分模型：利用 T2V 技术实现高清修复
S T A R[1] 是字节跳动开源的一个利用 T2V（Text-to-Video）模型对视频进行超分辨率的方法。无论是 AI 生成的视频还是现实中的视频，S T A R 都能进行高清修复。预训练模型（基于 I2VGen-XL 和 CogVideoX-5B）及推理代码现已发布，有兴趣的佬友可以自己试试。
Gazelle 多人注视检测技术在线版本发布，精准检测目光方向
Gazelle[2] 是一个开源的多人注视检测技术，能够精准地检测人们的目光方向和注视对象。
现在，Gazelle 的在线版本已经发布，社区提供了两个不同的演示：gaze-demo[3] 和 Gaze-LLE-demo[4]。
微软开源 phi-4 模型：14B 参数，性能超越 GPT-4o
phi-4[5] 是微软刚刚开源的最强小参数模型，其参数仅为 14B。
在各种基准测试中，phi-4 对比同参数量的模型表现优异，甚至在 GPQA 和 MATH 基准测试中超过了 GPT-4o。这个模型最初于去年 12 月 12 日发布，现在竟然直接开源了，并且基于 MIT 协议，可随意商用。
Adobe 发布 TransPixar：生成透明背景视频的创新技术
TransPixar[6] 是 Adobe 最新发布的一项创新技术，能够通过文本和图像生成透明背景的视频。
不仅支持创建烟雾和反射等透明元素，还提供了高度逼真的视觉效果。可以看看演示视频，效果相当不错。也可以在 Hugging Face[7] 体验在线版本，不过在线版限制了帧率和推理步骤。代码是开源的，有兴趣的可以直接本地部署。
NeuralSVG：文本生成可编辑矢量图形的创新工具
NeuralSVG[9] 是一款创新的工具，能够根据文本提示生成有序且可编辑的矢量图形。通过简化和分层 SVG 输出，NeuralSVG 解决了传统 SVG 生成结构过于复杂、难以二次编辑的问题。
官方展示的效果非常出色，生成的 SVG 文件不仅结构清晰，还支持分层编辑，极大地方便了设计师和开发者。目前，NeuralSVG 尚未开源，但我会持续跟进最新动态，第一时间为大家带来更新。关注我，不错过任何重要信息！
