E5-V使用多模态大型语言模型创建通用嵌入，无需微调即可实现不同输入模式间的高性能嵌入。

ComfyUI-Inspyrenet-Rembg 是一个高效的人像背景移除工具，支持批量处理图像。

该项目介绍了一种扩展至160亿参数的稀疏扩散Transformer模型DiT-MoE及其PyTorch实现。

ControlNetPlus是一款支持十种以上控制类型的图像生成和编辑的多功能网络架构。

ThinkGrasp是一个在杂乱环境中进行战略性抓取的视觉语言系统。

Webcam Live Portrait 是一个开源项目，用于实时生成人像动态效果。