多模态学习
conbrie.com
Conbrie（可备可记）是一款基于人工智能技术的一站式学习与创作平台，核心定位是帮助用户高效管理知识、提升记忆效率。平台整合了AI记忆辅助、多模态学习工具和深度学习分析功能，支持用户通过闪卡、文章、视频等多种形式进行知识整理与复习。采用FSRS间隔记忆算法，结合个性化学习推荐，目标用户覆盖学生、教师、职场人士、终身学习者、知识创作者等群体。适用于备考复习、课程教学、职场技能积累、语言学习、知识内容创作等多个场景，同时支持跨平台同步与第三方学习工具数据互通，满足不同用户的灵活学习需求。
sound-of-pixels.csail.mit.edu
PixelPlayer是由麻省理工学院CSAIL实验室开发的音视觉联合分析系统，核心定位是通过无标注视频训练，实现图像区域声源定位与多源音频分离。核心功能包括音视频同步学习、像素级声源定位、多类别音频分离三个模块，无需人工标注数据即可完成模型训练。面向计算机视觉研究人员、音频处理从业者、多媒体内容创作者、高校相关专业学生等群体，适用于音视频分离实验、老旧音轨修复、多乐器演奏内容拆分、视频声源定位分析、多模态学习研究等场景，可帮助用户将单声道音频按不同声源类型拆分，同时定位视频中每个发声区域对应的音频波形。
4m.epfl.ch
4M是由洛桑联邦理工学院（EPFL）开发的多模态多任务模型训练框架，核心定位为面向AI研究与开发场景的通用多模态学习工具。该框架支持视觉、文本等多模态数据的联合处理，可覆盖图像分类、目标检测、图像生成等十余种视觉相关任务，同时具备多模态条件生成能力，支持输入文本、图像等不同模态信号生成对应视觉内容。目标用户包括AI领域研究人员、计算机视觉方向开发者、高校相关专业师生以及需要落地多模态AI应用的企业技术团队，可用于多模态模型训练实验、通用视觉任务快速开发、多模态生成效果验证等不同场景，为多模态学习领域的技术探索提供可复用的基础框架。