探索云世界
“买家秀”秒变“卖家秀”，AI一键更换商品模特，虚拟模特功能等你解锁🔒 “小草图”秒变“大制作”，AI涂鸦作画让你的草图“一秒”成画🖌️ “2-4图”生成“个人写真”，AI虚拟分身在线创作，在家也是巴厘岛🏖️ 阿里云的微博视频 全网征集灵魂画手，几笔生成精美大作，精美礼物等你来拿
通义妙谈-阿里云图像生成大模型通义万相，Composer算法实现绘图精准可控
facechain人物写真应用自8月11日开源了第一版证件照生成后。目前在github（GitHub - modelscope/facechain: FaceChain is a deep-learning toolchain for generating your Digital-Twin.）上已有5.7K的star，论文链接：FaceChain: A Playground for Identity-Preserving Portrait Generation：https://arxiv.org/abs/2308.14256。
传统视频目标检测（Video Object Detection, VOD）是离线（offline）的检测任务，即仅考虑算法的检测精度，未考虑算法的延时。流感知（Streaming Perception）任务作为VOD的一个细分方向，采用流平均精度（Streaming Average Precision, sAP）指标，衡量算法的在线（online）检测能力，即同时衡量算法的精度和延时。本文针对现有的流感知工作在训练方式和模型感受野两方面的不足，提出了DAMO-StreamNet，在保证算法实时性的前提下，实现了SOTA的性能。
本文旨在整理一份可供参考和学习的专业ChatGPT相关资料，包括ChatGPT相关论文、Github项目、以及当前市场上出现的ChatGPT相关产品等。
本文介绍 阿里云开放视觉智能团队 被计算机视觉顶级国际会议ICCV 2023接收的论文 "TransFace: Calibrating Transformer Training for Face Recognition from a Data-Centric Perspective"。TransFace旨在探索ViT在人脸识别任务上表现不佳的原因，并从data-centric的角度去提升ViT在人脸识别任务上的性能。
图像上色是老照片修复的一个关键步骤，本文介绍发表在 ICCV 2023 上的最新上色论文 DDColor
随着图像生成领域的研究飞速发展，基于diffusion的生成式模型取得效果上的大突破。在图像生成/编辑产品大爆发的今天，视频生成/编辑技术也引起了学术界和产业界的高度关注。该分享主要介绍视频生成/编辑的研究现状，包括不同技术路线的优劣势，以及该领域当下面临的核心问题与挑战。
伴随着持续不断的AIGC浪潮，越来越多的AI生成玩法正在被广大爱好者定义和提出，图像卡通化（动漫化）基于其还原效果高，风格种类丰富等特点而备受青睐。早在几年前，伴随着GAN网络的兴起，卡通化就曾经风靡一时。而今，伴随着AIGC技术的兴起和不断发展，扩散生成模型为卡通化风格和提供了更多的创意和生成的可能性。本文就将详细介绍达摩院开放视觉团队的卡通化技术实践。
本文主要用尽量简单白话的描述来剖析下AI换脸技术的原理，做一个科普文章，了解下当前换脸技术的发展现状及其局限性。
阿里巴巴最新自研的像素感知扩散超分模型已经开源，它把扩散模型强大的生成能力和像素级控制能力相结合，能够适应从老照片修复到AIGC图像超分的各种图像增强任务和各种图像风格，并且能够控制生成强度和增强风格。这项技术的直接应用之一是AIGC图像的后处理增强和二次生成，能够带来可观的效果提升。
本文介绍了ICCV23中稿论文 GAP: Generative Action Description Prompts for Skeleton-based Action Recognition
本地生活技术雷达是由本地生活技术中心战略管理&PMO团队开展的，定期扫描和评估新兴技术的战略研究工作。目的是对技术趋势进行前瞻性预判，提出新技术布局建议，在技术驱动业务创新和业务增长、践行社会责任等方面有一些实质性探索。 本篇尝试探讨 1）理解AI范式——从分析型（Analytical AI）到生成式（Generative AI）的拐点在2022年，其对人类社会以及商业模式的长期影响； 2）生成式AI（文生文、文生图、图生图等）在本地业务目前场景的应用和未来的方向。 欢迎技术、产品、运营、战略、管理层、国内国际等各种视角的指点和碰撞！
在Windows环境下，为FFmpeg集成音频编解码库，包括libogg、libvorbis和opencore-amr，涉及下载源码、配置、编译和安装步骤。首先，安装libogg，通过配置、make和make install命令完成，并更新PKG_CONFIG_PATH。接着，安装libvorbis，同样配置、编译和安装，并修改pkgconfig文件。之后，安装opencore-amr。最后，重新配置并编译FFmpeg，启用ogg和amr支持，通过ffmpeg -version检查是否成功。整个过程需确保环境变量设置正确，并根据路径添加相应库。
在《FFmpeg开发实战》一书中，介绍了如何在Linux环境下为FFmpeg集成libopus和libvpx，以支持WebM格式的Opus和VP8/VP9编码。首先，下载并安装libopus。接着，下载并安装libvpx。最后，在FFmpeg源码目录下，重新配置FFmpeg，启用libopus和libvpx，编译并安装。通过`ffmpeg -version`检查版本信息，确认libopus和libvpx已启用。
在Linux环境下，为FFmpeg添加对AAC、MP3、OGG和AMR音频格式的支持，需安装libogg、libvorbis和opencore-amr库。首先，从官方源下载各库的最新源码，如libogg-1.3.5、libvorbis-1.3.7和opencore-amr-0.1.6，然后解压并依次执行`./configure`、`make`和`make install`进行编译安装。接着，在FFmpeg源码目录中，使用`./configure`命令重新配置，并重新编译安装FFmpeg。最后，验证FFmpeg版本信息确认已启用ogg和amr支持。
