Fashion-VDM是一种视频扩散模型，用于生成高质量的虚拟试穿视频，保持人物特征和动态一致性。

该研究提出了一种区域感知的文本到图像生成方法，通过硬绑定和软细化实现精确的布局组合。

VideoCaptioner（卡卡字幕助手）是一款基于大语言模型的智能视频字幕处理软件，支持全流程字幕生成与优化。

RMBG v2.0是一个先进的图像背景去除模型，适用于多种商业场景。

Lingma SWE-GPT是一个开源大语言模型，专注于软件工程领域的智能辅助和改进任务。

Llama OCR 是一款npm库，利用Llama 3.2 Vision进行免费OCR图像识别处理。