研究人员推出HarmonyGNN训练技术，显著提升图神经网络（GNN）准确性。GNN专门处理由节点和边组成的图形数据，广泛应用于药物发现、天气预测等领域。传统GNN训练依赖半监督学习，而新方法通过优化处理节点间同质性与异质性关系，提高了模型性能。
英伟达发布DLSS5，引入实时神经网络渲染模型，利用生成式AI技术实现游戏画面的逼真效果，标志着图形技术迎来“GPT时刻”。
日联科技推出国内首个工业X射线AI图像增强系统UEX，基于自研视觉大模型与大规模数据集，解决了传统算法在成像质量、场景适应性和效率上的难题。该系统深度融合深度学习与X射线成像，通过神经网络实现去噪、去模糊等功能，为半导体、新能源等产业提供智能检测支持。
苹果发布搭载M5芯片的14英寸MacBook Pro，首次针对AI任务进行硬件优化。M5芯片配备10核CPU和GPU，每个GPU核心内置神经网络加速单元，显著提升本地AI计算能力。集成第三代光线追踪引擎和动态缓存技术，可智能分配显存资源。新品续航达24小时，主打高效AI处理与图形性能。
Nano Banana 2是AI图像生成与编辑平台，用先进神经网络秒变文字为视觉作品。
开源时空基础模型，用于交通预测
3D实例分割的创新方法
Graph Neural Network (GNN)库,为苹果芯片量身打造
Google
$0.7
输入tokens/百万
$2.8
输出tokens/百万
1k
上下文长度
Anthropic
$21
$105
200
Alibaba
-
$1
$10
256
$2
$20
$3.9
$15.2
64
Bytedance
$0.8
$0.15
$1.5
128
Baidu
32
gaiseras
一个基于Keras框架构建的卷积神经网络（CNN），专用于从64×64灰度图像中识别单个日文字符，支持手写体与印刷体识别。
facebook
VGGT是一种前馈神经网络，能够直接从场景的一个、几个或数百个视图中，在数秒内推断出所有关键的3D属性。
Srivardhan369
基于卷积神经网络(CNN)的脑肿瘤图像分类模型，使用标注过的脑部肿瘤MRI影像数据集训练
magic-leap-community
SuperGlue是一种基于图神经网络的特征匹配模型，用于匹配图像中的兴趣点，适用于图像匹配和姿态估计任务。
SuperGlue是一个基于图神经网络的图像特征匹配模型，能够联合寻找对应关系并拒绝不可匹配的点，适用于在具有挑战性的室内外环境中进行姿态估计和图像匹配。
cm93
基于ResNet-18架构的卷积神经网络，针对EuroSAT数据集上的卫星图像分类任务进行了微调
google
EfficientNet是一种高效的卷积神经网络，通过统一缩放深度、宽度和分辨率实现高性能图像分类
MobileNet V1是一种轻量级卷积神经网络，专为移动设备设计，在图像分类任务中平衡了延迟、模型大小和准确率。
Matthijs
MobileNet V2是一种轻量级的卷积神经网络，专为移动设备设计，在图像分类任务中表现出色。
MobileNet V2是一种轻量级卷积神经网络，专为移动设备设计，在图像分类任务中表现优异。
torchxrayvision
基于DenseNet架构的卷积神经网络，专为X光图像分类任务设计，通过密集块实现层间密集连接。
LeViT-192是一种结合了卷积神经网络和Transformer架构的视觉模型，专注于图像分类任务。
microsoft
CvT-13是一种结合卷积神经网络和视觉变换器的混合架构模型，在ImageNet-1k数据集上预训练完成，适用于图像分类任务。
ResNet-34是基于残差学习的卷积神经网络，专为图像分类任务设计，在ImageNet-1k数据集上预训练完成。
glasses
ResNet50是基于深度残差学习实现的图像分类模型，通过残差连接解决了深度神经网络中的梯度消失问题。
keras-io
MIRNet是一种全卷积神经网络，专为低光照图像增强任务设计，能够融合多尺度上下文信息并保留高分辨率细节。
ResNet34是基于深度残差学习的一种卷积神经网络架构，专为图像分类任务设计。
通过深度神经网络估计图像特定的色调曲线来实现低光照图像增强的算法
DocuMind MCP Server是一个基于神经网络的下一代文档质量分析服务器，通过先进算法提供README评估、SVG头图扫描、多语言支持等功能，为开发者提供AI驱动的文档改进建议。
GNNEPCSAFT MCP Server是基于模型上下文协议(MCP)的实现，用于GNNePCSAFT工具的热力学计算。它通过图神经网络(GNN)预测ePC-SAFT参数，支持纯物质和混合物的密度、蒸汽压等热力学性质计算，并能自动从PubChem获取分子数据。
DocuMind MCP Server是一个基于神经网络的文档质量分析服务器，通过先进算法对README文件进行全面评估，提供改进建议，支持多语言文档验证和SVG头图分析。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
