VideoLLaMA2是由阿里巴巴集团达摩院团队开发的新一代视频理解模型。它在空间-时间建模和音频理解方面取得了显著进步，为用户提供了更为精准和全面的视频内容分析能力。

DragBench数据集是一个用于评估交互式点基图像编辑方法性能的基准数据集。

百度飞桨提供了大量的开放数据集，这些数据集覆盖了机器学习和深度学习的各大领域，包括计算机视觉、语音、自然语言处理等。飞桨的数据集不仅数量众多，而且涵盖了多个应用方向，如文本分类、序列标注、语义匹配等NLP任务，以及问答、翻译、对话以及信息抽取等自然语言处理应用的多个方向。

DPED数据集（Deep Photo Enhancement Dataset）是一个大型的图像数据集，主要用于深度学习模型的训练和验证。该数据集包含从不同设备拍摄的真实照片，包括三部不同的手机和一台高端反光相机。

用于单人姿态估计的MPII人体姿态数据集由大约 25K 幅图像组成，其中 15K 是训练样本，3K 是验证样本，7K 是测试样本（作者保留了这些标签）。

Moonshine是一款由Useful Sensors推出的开源语音识别模型，旨在为资源受限的设备提供高效、快速且准确的语音转文本服务。