AI 助理
备案控制台

图像识别

首页 标签 图像识别
# 图像识别 #
关注
1223内容
相关子社区
ModelScope模型即服务
14486内容 6活动 3793关注
最新 热门 文章 问答 视频 训练营 活动
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
Gemini 2.0：谷歌推出的原生多模态输入输出 + Agent 为核心的 AI 模型
谷歌最新推出的Gemini 2.0是一款原生多模态输入输出的AI模型，以Agent技术为核心，支持多种数据类型的输入与输出，具备强大的性能和多语言音频输出能力。本文将详细介绍Gemini 2.0的主要功能、技术原理及其在多个领域的应用场景。
# 图像识别 # 自然语言处理 # 机器学习/深度学习 # 人工智能 # 自然语言处理 # 算法 # 测试技术
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
DiffSensei：AI 漫画生成框架，能生成内容可控的黑白漫画面板，支持多角色和布局控制
DiffSensei 是一个由北京大学、上海AI实验室及南洋理工大学共同推出的AI漫画生成框架，能够生成可控的黑白漫画面板。该框架整合了基于扩散的图像生成器和多模态大型语言模型（MLLM），支持多角色控制和精确布局控制，适用于漫画创作、个性化内容生成等多个领域。
# 图像识别 # 机器学习/深度学习 # 人工智能 # 自然语言处理 # 搜索推荐 # 计算机视觉
蚝油菜花
|
12月前
|
博文
|
来自： ModelScope模型即服务
VMB：中科院联合多所高校推出多模态音乐生成框架，能够通过文本、图像和视频等多种输入生成音乐
VMB（Visuals Music Bridge）是由中科院联合多所高校机构推出的多模态音乐生成框架，能够从文本、图像和视频等多种输入模态生成音乐。该框架通过文本桥接和音乐桥接解决了数据稀缺、跨模态对齐弱和可控性有限的问题。
# 图像识别 # 机器学习/深度学习 # 人工智能 # 自然语言处理 # 安全 # vr&ar
蚝油菜花
|
12月前
|
博文
|
来自： ModelScope模型即服务
VSI-Bench：李飞飞谢赛宁团队推出视觉空间智能基准测试集，旨在评估多模态大语言模型在空间认知和理解方面的能力
VSI-Bench是由李飞飞和谢赛宁团队推出的视觉空间智能基准测试集，旨在评估多模态大型语言模型（MLLMs）在空间认知和理解方面的能力。该基准测试集包含超过5000个问题-答案对，覆盖近290个真实室内场景视频，涉及多种环境，能够系统地测试和提高MLLMs在视觉空间智能方面的表现。
# 图像识别 # 数据采集 # 人工智能 # 自动驾驶 # 机器人 # 测试技术
蚝油菜花
|
10月前
|
博文
|
来自： ModelScope模型即服务
MeteoRA：多任务AI框架革新！动态切换+MoE架构，推理效率提升200%
MeteoRA 是南京大学推出的多任务嵌入框架，基于 LoRA 和 MoE 架构，支持动态任务切换与高效推理。
# 图像识别 # 人工智能 # 自然语言处理 # 并行计算 # 物联网 # 异构计算
大刚测试开发实战
|
博文
|
来自： 视觉智能
基于Sikuli GUI图像识别框架的PC客户端自动化测试实践
Sikuli是一款基于GUI图像识别框架的自动化测试工具，它以图像检索技术为基础，提供了一套基于 Jython 的脚本语言以及集成开发环境。使用者可利用屏幕截图直接 引用 GUI 元素进行编程，完成交互操作。Sikuli 一词取自墨西哥的土著语，意为“上帝之眼”，寓意—— Sikuli 让电脑能像人一样”看”这个”真实世 界”。
# 图像识别 # 视觉智能开放平台 # 编解码 # Java # 测试技术 # Linux # 开发工具 # iOS开发 # MacOS # Ruby # Python # Windows
蚝油菜花
|
11月前
|
博文
|
来自： ModelScope模型即服务
Cosmos：英伟达生成式世界基础模型平台，加速自动驾驶与机器人开发
Cosmos 是英伟达推出的生成式世界基础模型平台，旨在加速物理人工智能系统的发展，特别是在自动驾驶和机器人领域。
# 图像识别 # 人工智能 # 自动驾驶 # 安全 # 机器人 # 开发者
蚝油菜花
|
11月前
|
博文
|
来自： ModelScope模型即服务
Emotion-LLaMA：用 AI 读懂、听懂、看懂情绪，精准捕捉文本、音频和视频中的复杂情绪
Emotion-LLaMA 是一款多模态情绪识别与推理模型，融合音频、视觉和文本输入，通过特定情绪编码器整合信息，广泛应用于人机交互、教育、心理健康等领域。
# 图像识别 # 机器学习/深度学习 # 人工智能 # 自然语言处理 # 人机交互
蚝油菜花
|
10月前
|
博文
|
来自： ModelScope模型即服务
OCRmyPDF：16.5K Star！快速将 PDF 文件转换为可搜索、可复制的文档的命令行工具
OCRmyPDF 是一款开源命令行工具，专为将扫描的 PDF 文件转换为可搜索、可复制的文档。支持多语言、图像优化和多核处理。
# 图像识别 # 人工智能 # 编解码 # 文字识别 # iOS开发 # MacOS
蚝油菜花
|
10月前
|
博文
|
来自： ModelScope模型即服务
MedRAX：专注于胸部X光检查的AI医学推理智能体，帮助医生快速解读胸部X光片
MedRAX 是一款专门用于胸部X光检查的医学推理AI智能体，整合了多种最先进的分析工具，支持多模态推理和动态任务分解。
# 图像识别 # 人工智能 # 安全 # 数据挖掘 # 测试技术 # 计算机视觉
免费试用