# 图像识别 #
0
关注
1215内容
【视觉智能产品速递——视频人脸融合产品能力升级】
本文介绍视频生产（videoenhan）类目下的通用视频人脸融合MergeVideoFace的功能介绍以及代码示例。
|
图像识别：Python 与计算机视觉
在当今的数字时代，图像识别技术已经成为了许多领域的重要组成部分，包括计算机视觉、人工智能和机器学习等。Python 作为一种强大的编程语言，提供了丰富的工具和库，使开发者能够轻松地进行图像识别任务。在本文中，我们将探讨图像识别技术的基本原理，介绍一些常用的 Python 库，并通过一个简单的示例来展示如何使用这些库进行图像识别。
Agent-E：基于 AutoGen 代理框架构建的 AI 浏览器自动化系统
Agent-E 是一个基于 AutoGen 代理框架构建的智能自动化系统，专注于浏览器内的自动化操作。它能够执行多种复杂任务，如填写表单、搜索和排序电商产品、定位网页内容等，从而提高在线效率，减少重复劳动。本文将详细介绍 Agent-E 的功能、技术原理以及如何运行该系统。
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。
MMedAgent：专为医疗领域设计的多模态 AI 智能体，支持医学影像处理、报告生成等多种医疗任务
MMedAgent 是专为医疗领域设计的多模态AI智能体，支持多种医疗任务，包括医学影像处理、报告生成等，性能优于现有开源方法。
Pipecat实战：5步快速构建语音与AI整合项目，创建你的第一个多模态语音 AI 助手
Pipecat 是一个开源的 Python 框架，专注于构建语音和多模态对话代理，支持与多种 AI 服务集成，提供实时处理能力，适用于语音助手、企业服务等场景。
月之暗面开源16B轻量级多模态视觉语言模型！Kimi-VL：推理仅需激活2.8B，支持128K上下文与高分辨率输入
月之暗面开源的Kimi-VL采用混合专家架构，总参数量16B推理时仅激活2.8B，支持128K上下文窗口与高分辨率视觉输入，通过长链推理微调和强化学习实现复杂任务处理能力。
免费试用