# 图像识别 #
0
关注
1061内容
|
如何生成excel文件作为图像识别结果
如何生成excel文件作为图像识别结果
在进行大规模图像处理的时候，如果能够以表格的形式生成结果文件，将非常的直观。这个时候，选择excel作为结果输出文件，将是合适的。
查询相关资料，有很多关于excel的操作方法，但是使用mfc来进行excel的操作，总是要涉及到很多东西。
Florence-VL：微软和马里兰大学共同开源的多模态大语言模型
Florence-VL是由微软和马里兰大学共同开源的多模态大语言模型，结合生成式视觉基础模型Florence-2和深度-广度融合技术，实现视觉与语言理解的深度融合，适用于多种下游任务。
NVILA：英伟达开源视觉语言大模型，高效处理高分辨率图像和长视频
NVILA是英伟达推出的视觉语言大模型，旨在高效处理高分辨率图像和长视频，同时保持高准确性。该模型通过“扩展-压缩”策略和多种优化技术，在多个领域如机器人导航和医疗成像中展现出广泛的应用潜力。
GLM-4V-Flash：智谱 AI 免费开放的图像理解大模型 API 接口
智谱AI推出的GLM-4V-Flash是一款专注于图像理解的免费开放大模型，提供API接口支持用户上传图片URL或Base64编码图片获取详细的图像描述。该模型通过深度学习和卷积神经网络技术，简化了图像分析流程，提高了开发效率，适用于内容审核、辅助视障人士、社交媒体、教育和电子商务等多个应用场景。
MEMO：通过音频和图像生成肖像说话视频，感知音频中的情感来细化面部表情
MEMO是一种音频驱动的生成肖像说话视频框架，由Skywork AI、南洋理工大学和新加坡国立大学联合推出。该框架通过记忆引导的时间模块和情感感知音频模块，确保生成的视频在身份一致性和表现力方面达到高水平。MEMO支持多种图像风格和音频类型的说话视频生成，并能处理多语言输入。
【Siamese】手把手教你搭建一个孪生神经网络，比较两张图像的相似度
【Siamese】手把手教你搭建一个孪生神经网络，比较两张图像的相似度
Optimus-1：哈工大联合鹏城实验室推出挑战开放世界中长期任务的智能体框架
Optimus-1是由哈尔滨工业大学（深圳）和鹏城实验室联合推出的智能体框架，旨在解决开放世界环境中长期任务的挑战。该框架结合了结构化知识和多模态经验，通过混合多模态记忆模块、知识引导规划器和经验驱动反射器，显著提升了在Minecraft等环境中的长期任务性能。本文将详细介绍Optimus-1的主要功能、技术原理以及如何运行该框架。
免费试用