中杯可乐多加冰_社区达人页

2025年09月

• 09.26 21:54:08
  发表了文章 2025-09-26 21:54:08

  古籍版面分析新SOTA：HisDoc-DETR如何助力AI赋能古籍数字化难题

  HisDoc-DETR是面向历史文献版面分析的创新模型，融合语义学习与多尺度特征融合，有效应对古籍中复杂布局、稀疏文字与破损模糊等挑战，实现高精度元素识别与结构解析，推动文化遗产数字化与学术研究发展。
• 09.25 13:18:17
  发表了文章 2025-09-25 13:18:17

  Dify x AiOnly平台：手把手教你调用GPT-5从零构建AI工作流！

  本文介绍如何通过Dify与AiOnly平台，快速构建基于GPT-5等顶尖大模型的AI应用。涵盖环境部署、模型接入、工作流编排及实战案例，助力开发者低门槛打造专属聊天机器人，轻松实现AI应用落地。（238字）
• 09.23 13:58:09
  发表了文章 2025-09-23 13:58:09

  高校迎新管理系统：基于 smardaten AI + 无代码开发实践

  针对高校迎新痛点，基于smardaten无代码平台构建全流程数字化管理系统，集成信息采集、绿色通道、宿舍管理等七大模块，通过AI生成框架、可视化配置审批流与权限，实现高效、精准、可扩展的迎新服务，大幅提升管理效率与新生体验。

2025年06月

• 06.10 16:03:14
  发表了文章 2025-06-10 16:03:14

  工业4.0数字孪生新引擎：星图云开发者平台全景评测

  在“中国制造2025”战略推动下，工业互联网平台迎来爆发式增长，但也面临数据孤岛、分析能力不足等技术瓶颈。中科星图推出的“星图云开发者平台”通过低代码开发、多源数据融合和智能分析等创新技术，解决了工业数字化转型中的关键问题。该平台不仅支持三维可视化渲染和遥感数据分析，还兼容多种主流GIS标准协议，实现空天地一体化数据融合。其丰富的行业模板覆盖能源、园区、水务等领域，大幅降低开发门槛。评测显示，相比传统低代码平台，星图云在3D建模、GIS支持和IoT设备接入等方面表现突出，为工业数字孪生提供了全面解决方案，助力智能化升级与跨行业应用拓展。

2025年05月

• 05.06 14:18:50
  发表了文章 2025-05-06 14:18:50

  远控安全金标准，ToDesk、向日葵、网易UU安全功能盘点，是否能攻破防线

  本文对ToDesk、向日葵和网易UU三款主流远程控制软件进行了安全性评测。远程控制技术虽带来便利，但也存在安全隐患。文章从设备授权管理、远程连接与数据传输、隐私安全机制及主动防诈保护四个方面展开分析。ToDesk在二次验证、金融窗口保护等方面表现突出；向日葵基础安全功能完善但缺乏创新；网易UU侧重基础功能，安全机制尚待完善。最终通过星级表对比，ToDesk综合表现最佳，向日葵次之，网易UU适合低风险场景。未来远控软件需向体系化、智能化方向发展以应对不断演变的威胁。

2025年04月

• 04.10 20:23:04
  发表了文章 2025-04-10 20:23:04

  告别信息焦虑，用这个国产AI工具做知识管理，大脑终于解放了

  文章介绍了纳米AI知识库作为“第二大脑”的强大功能。它能高效管理海量信息，支持54种文件格式上传，自动提取关键数据并打标签，轻松整合工作与生活中的碎片化信息。通过场景测试显示，在工作和生活中，纳米AI可快速生成报告、提供精准数据，极大提升效率。其共享机制还促进了团队协作，释放了创造力，让用户从琐碎事务中解脱，专注于深度思考与创新。

2025年03月

• 03.27 11:26:04
  发表了文章 2025-03-27 11:26:04

  【AI落地应用实战】大模型加速器2.0：基于 ChatDoc + TextIn ParseX+ACGE的RAG知识库问答系统

  本文探讨了私有知识库问答系统的难点及解决方案，重点分析了企业知识管理中的痛点，如信息孤岛、知识传承依赖个人经验等问题。同时，介绍了IntFinQ这款知识管理工具的核心特点和实践体验，包括智能问答、深度概括与多维数据分析等功能。文章还详细描述了IntFinQ的本地化部署过程，展示了其从文档解析到知识应用的完整技术闭环，特别是自研TextIn ParseX引擎和ACGE模型的优势。最后总结了该工具对企业和开发者的价值，强调其在提升知识管理效率方面的潜力。

2024年10月

• 10.30 09:09:49
  发表了文章 2024-10-30 09:09:49

  【AI应用落地实战】智能文档处理本地部署——可视化文档解析前端TextIn ParseX实践

  2024长沙·中国1024程序员节以“智能应用新生态”为主题，吸引了众多技术大咖。合合信息展示了“智能文档处理百宝箱”的三大工具：可视化文档解析前端TextIn ParseX、向量化acge-embedding模型和文档解析测评工具markdown_tester，助力智能文档处理与知识管理。

2024年09月

• 09.14 14:52:33
  发表了文章 2024-09-14 14:52:33

  内幕！smardaten无代码平台全方位测评，这些细节你绝对想不到！

  本文详细测评了smardaten无代码平台，重点评估了其前后端交互嵌套、兼容性与可扩展性、UI定制、开发环境隔离、OEM能力、多语言支持及AI能力。smardaten在处理复杂业务逻辑方面表现出色，支持灵活的UI定制和多语言切换，尤其在OEM定制方面具备优势。其即将推出的AI功能备受期待，可利用企业内部知识训练大模型，提升工作效率。然而，smardaten在信创领域的支持尚待加强，建议有相关需求的企业深入了解其发展规划。

2024年06月

• 06.28 10:02:32
  发表了文章 2024-06-28 10:02:32

  【AI落地应用实战】如何让扫描工具更会思考——智能高清滤镜2.0实战测评

  扫描全能王的智能高清滤镜2.0利用深度学习技术解决文档图像处理难题，如透字、阴影、褶皱、手指遮挡等问题。它采用自适应感知技术，识别并处理不同元素，同时结合多尺度感知融合方法，提升图像清晰度。实测显示，滤镜在曲面书籍、摩尔纹屏幕、透字文档和光线不均的图画等场景下表现优秀，能智能地适应和优化复杂条件下的扫描效果，提高了文档扫描的效率和质量。

2024年05月

• 05.29 08:36:50
  发表了文章 2024-05-29 08:36:50

  Ownips+Coze海外社媒数据分析实战指南

  本文介绍了在社交媒体数据采集和分析中的实践方法，特别强调了使用IPS代理的重要性。社交媒体如Twitter、Facebook等提供了丰富的数据资源。文章推荐了Ownips，这是一家提供高质量静态ISP代理服务的公司，用户可以选择需要的地区IP，并通过API或账号定向访问配置使用。 文章通过一个Twitter趋势数据采集的案例，展示了如何利用Ownips代理IP和Python的requests库以及BeautifulSoup解析HTML来获取和解析数据。此外，文章还提到了如何在Coze平台上创建数据采集插件和Twitter Bot，以实现自动化和智能化的数据分析。

  
• 05.22 12:30:09
  发表了文章 2024-05-22 12:30:09

  【LLM落地应用实战】LLM + TextIn文档解析技术实测

  文档解析技术是从这些海量且复杂的数据中高效准确地提取有价值信息的关键。它从输入文档图像开始，经过图像处理、版面分析、内容识别和语义理解等流程，最终输出结构化电子文档或语义信息。通过文档解析技术，我们能够深入理解文档的结构、内容和主题，使得信息更易于检索、分析和利用。
• 04.23 19:56:54
  发表了文章 2024-04-23 19:56:54

  文本向量化模型新突破——acge_text_embedding勇夺C-MTEB榜首

  在人工智能的浪潮中，大型语言模型（LLM）无疑是最引人注目的潮头。在支撑这些大型语言模型应用落地方面，文本向量化模型（Embedding Model）的重要性也不言而喻。 近期，我在浏览huggingface发现，国产自研文本向量化模型acge_text_embedding（以下简称“acge模型”）已经在业界权威的中文语义向量评测基准C-MTEB（Chinese Massive Text Embedding Benchmark）中获得了第一名。

  
• 04.15 15:24:18
  发表了文章 2024-04-15 15:24:18

  每帧纵享丝滑——ToDesk云电脑、网易云游戏、无影云评测分析及ComfyUI部署

  作为一种新兴的虚拟电脑服务方式，云电脑将传统电脑的计算、存储和应用服务等功能迁移到云端，打破了传统电脑的物理限制，通过云端连接，即可享受到高效、稳定的资源与服务，为人们提供了更加灵活、便捷、安全的工作与娱乐模式。 今天，本篇文章将带来ToDesk云电脑、网易云游戏、无影云三款云电脑的性能测评、AIGC科研测评和软件应用实测分析。
• 01.05 13:48:42
  发表了文章 2024-01-05 13:48:42

  【2023 CSIG垂直领域大模型】大模型时代，如何完成IDP智能文档处理领域的OCR大一统？

  2023年12月28-31日，由中国图象图形学学会主办的第十九届CSIG青年科学家会议在中国广州隆重召开，会议吸引了学术界和企业界专家与青年学者，会议面向国际学术前沿与国家战略需求，聚焦最新前沿技术和热点领域，共同探讨图象图形学领域的前沿问题，分享最新的研究成果和创新观点，在垂直领域大模型专场，合合信息智能技术平台事业部副总经理、高级工程师丁凯博士为我们带来了《文档图像大模型的思考与探索》主题报告。

2023年08月

• 08.18 20:15:37
  发表了文章 2023-08-18 20:15:37

  【新知测评实验室】解谜扫描全能王——“智能高清滤镜”黑科技

  扫描技术已经被广泛应用于如办公（文件、名片、发票）、学习（笔记、试卷）、个人生活（证件、照片）、商务（收据、发票）、法律（合同、证据）等等各个领域。然而，现实图像中常常会出现一系列模糊、阴暗、褶皱、污渍、光线、透字等问题，如下面是一张很常见的笔记照片，照片中的褶皱和版面弯曲严重影响了图像质量和可读性，经过传统扫描工具如打印机、扫描仪扫描后仍然难以到达实用性和可用性。近期，合合信息旗下扫描全能王全新上线了一款“智能高清滤镜”黑科技，。本篇文章将对此一探究竟，从深层原理和测试对比来揭开其神秘面纱。
• 08.03 21:45:54
  发表了文章 2023-08-03 21:45:54

  大模型时代下，算法工程师该何去何从？

  大模型时代的到来，将算法工程师的职业发展带入了全新的境地。在这个浩瀚的数据海洋中，算法工程师们面临着前所未有的挑战和机遇。不久前，合合信息举办了一场《》的直播活动，智能技术平台事业部副总经理、高级工程师丁凯博士分享了。这段深度探讨不仅让我对算法工程师的未来有了更清晰的认识，也启发了我对自身职业发展的思考。接下来，我将分享这次讨论的精彩内容，希望能够为同学们提供一些有益的启示与思考。

2023年07月

• 07.15 10:42:18
  发表了文章 2023-07-15 10:42:18

  WAIC2023| AIGC究竟在向善还是向恶而行？

  随着数字图像处理技术的发展和以ChatGPTMidjourney等为代表的AIGC产品的爆火，各种数字图像编辑处理软件和生成式模型正在变得越来越强大，普通用户已经可以方便地对图像进行绘制、编辑和篡改，这些技术和软件在带来便利的同时，也使得用户更容易伪造或篡改数字图像而不留痕迹，人工智能生成内容以假乱真、数据泄露以及侵权的风险被进一步放大。

2023年06月

• 06.17 10:54:14
  发表了文章 2023-06-17 10:54:14

  【技术新趋势】面向图像文档的版面智能分析与理解

  在OCR系统中，纸质文档被相机拍摄成文档图像后，首先要进行版面分析、版面理解，之后才能正式数字化为电子文档。本篇文章将关注面向文档图像的版面分析与理解方向，并讨论这些任务的目前的优秀技术和方法。

  

2023年05月

• 05.18 14:49:44
  发表了文章 2023-05-18 14:49:44

  CCIG 2023 从视觉-语言模型到智能文档图像处理

  最近，中国图像图形大会（CCIG 2023）在苏州成功结束。本次大会以“图像图形·向未来”为主题，由中国科学技术协会指导，中国图像图形学学会主办，苏州科技大学承办。
• 05.10 14:28:43
  发表了文章 2023-05-10 14:28:43

  从模式识别到图像文档分析——浅析场景文本识别研究

  文本检测领域经历了从水平文字检测到多方向文字检测再到任意形状文字检测这样越来越有挑战性的应用场景转变。 在复杂场景下，由于光照、遮挡等因素的影响，图像中的文本经常会出现模糊、失真、变形等问题；其次，文本与背景之间偶尔存在相似度较高的情况，文字颜色和背景颜色相近或者噪点过多等情况会严重干扰文本的准确识别；此外，在某些场景下（如手写体、印章、二维码等），不同于常规字体的字形特征也会增加识别难度。复杂场景下的文本识别依然是目前难以解决的问题。

2023年04月

• 04.13 11:34:12
  发表了文章 2023-04-13 11:34:12

  Stable Diffusion复现——基于 Amazon SageMaker 搭建文本生成图像模型

  众所周知，Stable Diffusion扩散模型的训练和推理非常消耗显卡资源，我之前也是因为资源原因一直没有复现成功。 而最近我在网上搜索发现，亚马逊云科技最近推出了一个【云上探索实验室】刚好有复现Stable Diffusion的活动，其使用亚马逊AWS提供的Amazon SageMaker机器学习平台，为快速构建、训练和部署机器学习模型提供了许多便利的工具和服务，我也是深入体验了一番。

  

2023年03月

• 03.29 10:14:05
  发表了文章 2023-03-29 10:14:05

  探寻人工智能前沿 迎接AIGC时代——CSIG企业行（附一些好玩的创新点）

  上周我有幸参加了由中国图像图形学会和合合信息共同举办的CSIG企业行活动。 这次活动邀请了多位来自图像描述与视觉问答、图文公式识别、自然语言处理、生成式视觉等领域的学者，他们分享了各自的研究成果和经验，并与现场观众进行了深入的交流和探讨。干货多多，感悟多多，在这里分享此次的收获给大家。

  
• 03.14 20:33:33
  发表了文章 2023-03-14 20:33:33

  ChatGPT背后的技术和多模态异构数据处理的未来展望——我与一位资深工程师的走心探讨

  上周，我和一位从业三十余年的工程师聊到ChatGPT。 作为一名人工智能领域研究者，我也一直对对话式大型语言模型非常感兴趣，在讨论中，我向他解释这个技术时，他瞬间被其中惊人之处所吸引🙌，我们深入探讨了ChatGPT的关键技术，他对我所说的内容产生了浓厚的兴趣，我们开始交流并分享了各自的经验。我发现，与这位资深工程师的讨论不仅加深了我的理解，也让我更加了解了这项技术的前沿发展🌱。 后续我也下面我将分享一些我在与工程师的讨论中和自己学习中所了解的ChatGPT的关键技术，希望对您有所帮助。

  

2022年08月

• 08.23 18:15:01
  发表了文章 2022-08-23 18:15:01

  解决方案：炼丹师养成计划 Pytorch+DeepLearning遇见的各种报错与踩坑避坑记录（二）

  解决方案：炼丹师养成计划 Pytorch+DeepLearning遇见的各种报错与踩坑避坑记录（二）

  
• 08.23 18:03:53
  发表了文章 2022-08-23 18:03:53

  【数据挖掘】使用移动平均预测道琼斯、纳斯达克、标准普尔指数——Python中的基本数据操作和可视化

  本文将使用简单移动平均预测道琼斯、纳斯达克、标准普尔指数。 作为技术分析中⼀种分析时间序列的常⽤⼯具，常被应⽤于股票价格序列。移动平均可过滤⾼频噪声，反映出中⻓期低频趋势，辅助投资者做出投资判断。

  
• 08.23 18:02:58
  发表了文章 2022-08-23 18:02:58

  ViTGAN：用视觉Transformer训练生成性对抗网络 Training GANs with Vision Transformers

  ViTGAN是加州大学圣迭戈分校与 Google Research提出的一种用视觉Transformer来训练GAN的模型。该论文已被NIPS（Conference and Workshop on Neural Information Processing Systems，计算机人工智能领域A类会议）录用，文章发表于2021年10月。 论文地址：https://arxiv.org/abs/2107.04589 代码地址：https://github.com/teodorToshkov/ViTGAN-pytorch 本博客是精读这篇论文的报告，包含一些个人理解、知识拓展和总结。
• 08.23 18:02:15
  发表了文章 2022-08-23 18:02:15

  Text to image论文精读SSA-GAN：基于语义空间感知的文本图像生成 Text to Image Generation with Semantic-Spatial Aware GAN

  Semantic-Spatial Aware GAN提出了一种新的语义空间感知GAN框架，文章发表于2021年10月。 论文地址：https://arxiv.org/pdf/2104.00567v3.pdf 代码地址：https://github.com/wtliao/text2image 本博客是精读这篇论文的报告，包含一些个人理解、知识拓展和总结。

  
• 08.23 18:01:30
  发表了文章 2022-08-23 18:01:30

  三种能有效融合文本和图像信息的方法——特征拼接、跨模态注意、条件批量归一化

  三种能有效融合文本和图像信息的方法——特征拼接、跨模态注意、条件批量归一化

  
• 08.23 18:01:06
  发表了文章 2022-08-23 18:01:06

  2022年最新文本生成图像研究 开源工作速览（Papers with code）

  2022年最新文本生成图像研究 开源工作速览（Papers with code）
• 08.23 18:00:10
  发表了文章 2022-08-23 18:00:10

  Text to image论文精读DF-GAN：A Simple and Effective Baseline for Text-to-Image Synthesis一种简单有效的文本生成图像基准模型

  DF-GAN是南京邮电大学、苏黎世联邦理工学院、武汉大学等学者共同研究开发的一款简单且有效的文本生成图像模型。该论文已被CVPR 2022 Oral录用，文章最初发表于2020年8月，最后v3版本修订于22年3月 。 论文地址：https://arxiv.org/abs/2008.05865 代码地址：https://github.com/tobran/DF-GAN 本博客是精读这篇论文的报告，包含一些个人理解、知识拓展和总结。

  
• 08.23 17:57:56
  发表了文章 2022-08-23 17:57:56

  解决方案：炼丹师养成计划 Pytorch+DeepLearning遇见的各种报错与踩坑避坑记录（一）

  解决方案：炼丹师养成计划 Pytorch+DeepLearning遇见的各种报错与踩坑避坑记录（一）
• 08.23 17:57:12
  发表了文章 2022-08-23 17:57:12

  解决方案：Springboot+Vue3+Mybatis+Axios 前后端分离项目中 遇见的若干报错和踩坑避坑（二）

  解决方案：Springboot+Vue3+Mybatis+Axios 前后端分离项目中 遇见的若干报错和踩坑避坑（二）

  
• 08.23 17:53:59
  发表了文章 2022-08-23 17:53:59

  Text to Image 文本生成图像定量评价指标分析笔记 Metric Value总结 IS、FID、R-prec等

  Text to Image 文本生成图像定量评价指标分析笔记 Metric Value总结 IS、FID、R-prec等

  
• 08.23 17:53:18
  发表了文章 2022-08-23 17:53:18

  TransGAN代码复现—九天毕昇平台

  TransGAN是UT-Austin、加州大学、 IBM研究院的华人博士生构建了一个只使用纯 transformer 架构、完全没有卷积的 GAN，并将其命名为 TransGAN。 论文地址：https://arxiv.org/abs/2102.07074 论文精读：论文精读 TransGAN 代码地址：https://github.com/VITA-Group/TransGAN 本篇博文是利用中国移动的九天毕昇平台复现TransGAN的博文。

  
• 08.23 17:51:25
  发表了文章 2022-08-23 17:51:25

  论文精读 TransGAN:两个纯粹的Transformer可以组成一个强大的GAN（TransGAN：Two Pure Transformers Can Make One Strong GAN）

  TransGAN是UT-Austin、加州大学、 IBM研究院的华人博士生构建了一个只使用纯 transformer 架构、完全没有卷积的 GAN，并将其命名为 TransGAN。该论文已被NeruIPS（Conference and Workshop on Neural Information Processing Systems，计算机人工智能领域A类会议）录用，文章发表于2021年12月。 该文章旨在仅使用Transformer网络设计GAN。Can we build a strong GAN completely free of convolutions? 论文地址：https://

  
• 08.23 17:50:41
  发表了文章 2022-08-23 17:50:41

  从零开始搭建Springboot+JPA后台

  从零开始搭建Springboot+JPA后台

  
• 08.23 17:49:56
  发表了文章 2022-08-23 17:49:56

  Transformer之十万个为什么？

  这篇博文主要结合个人理解和思考，通过整理和自己的解释列出关于Transformer的部分重要问题（持续更新），看完后会对Transformer有个更好的理解。

  
• 08.23 17:48:59
  发表了文章 2022-08-23 17:48:59

  解决方案：Missing URI template variable ‘userName‘ for method parameter of type String

  解决方案：Missing URI template variable ‘userName‘ for method parameter of type String
• 08.23 17:48:12
  发表了文章 2022-08-23 17:48:12

  横扫NLP 脚踏CV界的Transformer到底是什么？ 为什么Work？深入浅出零基础通俗理解Transformer及其代码实现

  Transformer 模型在近几年来横扫 NLP 领域并获得大量好评，在分类、检测等任务上展现了极其强劲的性能。另一方面其在计算机视觉领域也带来了革命性提升，而且骨干网络上的发展也推动了下游任务的发展，可以说Transformer已经引起了学术界的广泛关注，有越来越多的研究人员投入其中。 Transformer是谷歌在2017年发表的论文Attention Is All You Need中提出的一种seq2seq模型，首先是在自然语言处理方面应用。

  
• 08.23 17:48:07
  发表了文章 2022-08-23 17:48:07

  解决方案：Springboot+Vue3+Mybatis+Axios 前后端分离项目中 遇见的若干报错和踩坑避坑（一）

  Springboot+Vue3+Mybatis+Axios 前后端分离项目中 遇见的若干报错和踩坑避坑
• 08.23 17:45:59
  发表了文章 2022-08-23 17:45:59

  解决方案：记录一下Date类型在传值时遇见的若干坑（String类型转为Date类型、mysql的表设置、UTC的设置）

  解决方案：记录一下Date类型在传值时遇见的若干坑（String类型转为Date类型、mysql的表设置、UTC的设置）