Uni 3DAR
模型简介
Uni-3DAR是一个自回归模型,统一了多种3D任务,支持生成和理解任务,具有高效性和高精度。
模型特点
统一处理多种3D数据类型
专注于分子、蛋白质和晶体等微观结构,但方法可无缝应用于宏观3D结构。
支持多样化任务
单个模型支持广泛的生成和理解任务。
高效性
通过八叉树压缩与两级子树压缩结合,仅用数百个令牌表示完整3D空间,推理速度比基于扩散的模型快得多。
高精度
基于八叉树压缩,对细粒度3D补丁进行令牌化以保持结构细节,生成质量显著优于之前的基于扩散的模型。
模型能力
3D生成
3D理解
分子生成
蛋白质生成
晶体生成
使用案例
化学与生物学
分子生成
生成具有特定性质的分子结构。
生成质量显著优于之前的基于扩散的模型。
蛋白质生成
生成具有特定功能的蛋白质结构。
晶体生成
生成具有特定物理性质的晶体结构。
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers 支持多种语言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers 英语

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98