# 视觉智能开放平台 #
1
关注
15741内容
OCR文字识别技术总结（四）
文本识别是OCR（Optical Character Recognition）的一个子任务，其任务为识别一个固定区域的的文本内容。在OCR的两阶段方法里，它接在文本检测后面，将图像信息转换为文字信息。
基于深度学习的人脸识别与管理系统（UI界面增强版，Python代码）
基于深度学习的人脸识别与管理系统（UI界面增强版，Python代码）
AI人像特效之「一键生成N次元虚拟形象」
为了零成本低门槛地提供极致酷炫的人像玩法，我们提出了一套人像风格化通用框架「AI Maleonn」AI 版神笔马良，用于一键生成风格百变的人物虚拟形象，在风格上涵盖手绘、3D、日漫、艺术特效、铅笔画等多种风格，同时可以支持面向小样本的专属风格定制，利用少量目标风格图即可实现快速迁移拓展；在处理维度上，不仅适用于生成头部效果，更支持全图精细化纹理转换，兼容多人场景；在模型鲁棒性上，有效克服了多角度姿态、面部遮挡等各类复杂场景，整体稳定性大大提升。
FFmpeg开发笔记（一）搭建Linux系统的开发环境
本文指导初学者如何在Linux上搭建FFmpeg开发环境。首先，由于FFmpeg依赖第三方库，可以免去编译源码的复杂过程，直接安装预编译的FFmpeg动态库。推荐网站<https://github.com/BtbN/FFmpeg-Builds/releases>提供适用于不同系统的FFmpeg包。但在安装前，需确保系统有不低于2.22版本的glibc库。详细步骤包括下载glibc-2.23源码，配置、编译和安装。接着，下载Linux版FFmpeg安装包，解压至/usr/local/ffmpeg，并设置环境变量。最后编写和编译简单的C或C++测试程序验证FFmpeg环境是否正确配置。
视觉智能开放平台操作报错合集之在使用人脸比对功能时报错一般是什么原因
在使用视觉智能开放平台时，可能会遇到各种错误和问题。虽然具体的错误代码和消息会因平台而异，但以下是一些常见错误类型及其可能的原因和解决策略的概述，包括但不限于：1. 认证错误、2. 请求参数错误、3. 资源超限、4. 图像质量问题、5. 服务不可用、6. 模型不支持的场景、7. 网络连接问题，这有助于快速定位和解决问题。
FFmpeg开发笔记（五十六）使用Media3的Exoplayer播放网络视频
ExoPlayer最初是为了解决Android早期MediaPlayer控件对网络视频兼容性差的问题而推出的。现在，Android官方已将其升级并纳入Jetpack的Media3库，使其成为音视频操作的统一引擎。新版ExoPlayer支持多种协议，解决了设备和系统碎片化问题，可在整个Android生态中一致运行。通过修改`build.gradle`文件、布局文件及Activity代码，并添加必要的权限，即可集成并使用ExoPlayer进行网络视频播放。具体步骤包括引入依赖库、配置播放界面、编写播放逻辑以及添加互联网访问权限。
【一步步开发AI运动小程序】十七、如何识别用户上传视频中的人体、运动、动作、姿态？
【云智AI运动识别小程序插件】提供人体、运动、姿态检测的AI能力，支持本地原生识别，无需后台服务，具有速度快、体验好、易集成等优点。本文介绍如何使用该插件实现用户上传视频的运动识别，包括视频解码抽帧和人体识别的实现方法。
Hi3DGen：2D照片秒变高精度模型，毛孔级细节完爆Blender！港中文×字节×清华联手打造3D生成黑科技
Hi3DGen是由香港中文大学、字节跳动和清华大学联合研发的高保真3D几何生成框架，通过法线图中间表示实现细节丰富的3D模型生成，其双阶段生成流程显著提升了几何保真度。
免费试用