AI 助理
备案控制台登录注册

图像识别

首页 标签 图像识别
# 图像识别 #
关注
1227内容
相关子社区
ModelScope模型即服务
14115内容 6活动 3449关注
最新 热门 文章 问答 视频 训练营 活动
Naylor
|
13天前
|
博文
大模型基本概念介绍
大模型（LLM）是基于深度学习构建的大型人工智能模型，具备强大的语言理解、分析与生成能力。其参数量庞大，模拟人脑神经元，提升推理准确性。训练过程包括预训练、微调、强化学习等阶段，广泛应用于内容创作、机器人、科研等领域。按用途可分为通用与专用模型，按输入输出则有语言、视觉、多模态等类型。提示词工程（Prompt Engineering）则是引导大模型输出的关键技术。
# 图像识别 # 机器学习/深度学习 # 存储 # 人工智能 # 机器人 # 语音技术
蚝油菜花
|
3月前
|
博文
|
来自： ModelScope模型即服务
RAGEN：RL训练LLM推理新范式！开源强化学习框架让Agent学会多轮决策
RAGEN是一个基于StarPO框架的开源强化学习系统，通过马尔可夫决策过程形式化Agent与环境的交互，支持PPO、GRPO等多种优化算法，显著提升多轮推理训练的稳定性。
# 图像识别 # 机器学习/深度学习 # 人工智能 # 算法
蚝油菜花
|
3月前
|
博文
|
来自： ModelScope模型即服务
开源8B参数全能扩散模型Flex.2-preview：把线稿变商稿，还能边画边改！
Flex.2-preview是Ostris开源的80亿参数文本到图像扩散模型，支持512token长文本输入和多类型控制引导，内置修复功能并兼容主流AI绘画工具链。
# 图像识别 # 机器学习/深度学习 # 人工智能 # 物联网 # 异构计算
蚝油菜花
|
3月前
|
博文
|
来自： ModelScope模型即服务
让AI看懂3小时长视频！Eagle 2.5：英伟达推出8B视觉语言模型，长视频理解能力碾压72B大模型
Eagle 2.5是英伟达推出的8B参数视觉语言模型，通过创新训练策略在长视频和高分辨率图像理解任务中超越更大规模模型，支持512帧视频输入和多样化多模态任务。
# 图像识别 # 人工智能 # 测试技术 # 计算机视觉
蚝油菜花
|
3月前
|
博文
|
来自： ModelScope模型即服务
AI生成视频告别剪辑拼接！MAGI-1：开源自回归视频生成模型，支持一镜到底的长视频生成
MAGI-1是Sand AI开源的全球首个自回归视频生成大模型，采用创新架构实现高分辨率流畅视频生成，支持无限扩展和精细控制，在物理行为预测方面表现突出。
# 图像识别 # 人工智能 # 编解码 # 算法 # Docker # 容器
蚝油菜花
|
3月前
|
博文
|
来自： ModelScope模型即服务
机器人训练师狂喜！Infinite Mobility：上海AI Lab造物神器1秒生成可动家具，成本只要1分钱
上海AI Lab推出的Infinite Mobility采用程序化生成技术，可高效生成22类高质量可交互物体，单个生成仅需1秒且成本低至0.01元，已应用于机器人仿真训练等领域。
# 图像识别 # 人工智能 # 算法 # 数据可视化 # 机器人 # 开发工具
蚝油菜花
|
3月前
|
博文
|
来自： ModelScope模型即服务
音乐人必看！OpenUtau：开源AI歌声合成神器，快速打造专业级虚拟歌手，中文日文无缝切换
OpenUtau是一款开源的歌声合成工具，兼容UTAU音源库和重采样器，支持多语言界面及预渲染功能，让音乐创作更加高效便捷。
# 图像识别 # 人工智能 # Linux # iOS开发 # MacOS # Windows
蚝油菜花
|
3月前
|
博文
|
来自： ModelScope模型即服务
视觉分词器突破天花板！GigaTok：港大字节联手打造3B参数视觉分词器，突破图像生成瓶颈
GigaTok是香港大学与字节跳动联合研发的3B参数视觉分词器，通过语义正则化技术和创新架构设计，解决了图像重建与生成质量间的矛盾，显著提升自回归模型的表示学习能力。
# 图像识别 # 机器学习/深度学习 # 人工智能 # 知识图谱
蚝油菜花
|
3月前
|
博文
|
来自： ModelScope模型即服务
快速生成商业级高清图！SimpleAR：复旦联合字节推出图像生成黑科技，5亿参数秒出高清大图
SimpleAR是复旦大学与字节Seed团队联合研发的自回归图像生成模型，仅用5亿参数即可生成1024×1024分辨率的高质量图像，在GenEval等基准测试中表现优异。
# 图像识别 # 机器学习/深度学习 # 人工智能 # 编解码 # 测试技术
蚝油菜花
|
3月前
|
博文
|
来自： ModelScope模型即服务
AI视频生成也能自动补全！Wan2.1 FLF2V：阿里通义开源14B视频生成模型，用首尾两帧生成过渡动画
万相首尾帧模型是阿里通义开源的14B参数规模视频生成模型，基于DiT架构和高效视频压缩VAE，能够根据首尾帧图像自动生成5秒720p高清视频，支持多种风格变换和细节复刻。
# 图像识别 # 机器学习/深度学习 # 人工智能 # 编解码 # Apache # 异构计算
免费试用
图像搜索任选一个服务类型 1个月
AI助理

你好，我是AI助理

可以解答问题、推荐解决方案等

登录插画

登录以查看您的控制台资源

管理云资源
状态一览
快捷访问
快捷注册登录阿里云