视觉智能开放平台的搜索结果_文章-阿里云开发者社区

本文介绍了如何使用 OpenVINO 格式模型文件对图片进行推理。通过将训练好的模型转换为 OpenVINO 格式，可实现跨设备部署。文中详细展示了利用 Python 和 OpenVINO API 完成模型加载、编译及推理的步骤。核心代码包括初始化 OpenVINO 模型、设置预测参数（如置信度和 IoU 阈值）以及对图片进行检测并显示结果。注意：OpenVINO 模型文件需完整存放于同一目录下，路径需正确配置，参数可根据模型性能调整。

# 视觉智能开放平台 # API # Python

蚝油菜花

3月前

博文

来自： ModelScope模型即服务

漫画师福音！开源AI神器让线稿着色快如闪电！MagicColor：港科大开源多实例线稿着色框架，一键生成动画级彩图

MagicColor是香港科技大学推出的多实例线稿着色框架，基于扩散模型和自监督训练策略，实现单次前向传播完成多实例精准着色，大幅提升动画制作和数字艺术创作效率。

# 视觉智能开放平台 # 人工智能 # 计算机视觉

蚝油菜花

3月前

博文

来自： ModelScope模型即服务

ACTalker：港科大联合腾讯清华推出，多模态驱动的说话人视频生成神器

ACTalker是由香港科技大学联合腾讯、清华大学研发的端到端视频扩散框架，采用并行Mamba结构和多信号控制技术，能生成高度逼真的说话人头部视频。

# 视觉智能开放平台 # 人工智能 # 语音技术

老乡别走

3月前

博文

来自：视觉智能

【工具教程】批量PDF和图片OCR识别指定区域文字自动改图片名字，多个区域一次性批量识别改名批量重命名

本内容介绍了一款用于企业档案、医院病历及办公文件管理的图片和PDF文字识别工具。通过框选识别区域，软件可批量提取关键信息，实现文件重命名或导出为表格，极大提升管理效率。支持图片与PDF两种模式，操作简单，适用于合同、病历、报告等场景。提供详细步骤指导，包含区域设置、文件导入、批量处理及结果校验等功能。

# 视觉智能开放平台 # 文字识别 # BI

蚝油菜花

3月前

博文

来自： ModelScope模型即服务

这个模型让AI角色会说话还会演！MoCha：Meta联手滑铁卢大学打造对话角色视频生成黑科技

MoCha是由Meta与滑铁卢大学联合开发的端到端对话角色视频生成模型，通过创新的语音-视频窗口注意力机制实现精准的唇语同步和全身动作生成。

# 视觉智能开放平台 # 机器学习/深度学习 # 人工智能 # 自然语言处理

蚝油菜花

3月前

博文

来自： ModelScope模型即服务