AI 助理
文档备案控制台

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
15233内容 6活动 4192关注
最新 热门 文章 问答 视频 训练营 活动
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
告别潜在空间的黑箱操作，直接在原始像素空间建模！PixelFlow：港大团队开源像素级文生图模型
香港大学与Adobe联合研发的PixelFlow模型，通过流匹配和多尺度生成技术实现像素级图像生成，在256×256分辨率任务中取得1.98的FID分数，支持端到端训练并突破传统模型对预训练VAE的依赖。
# 图像识别 # 机器学习/深度学习 # 人工智能 # 编解码 # 算法框架/工具 # 计算机视觉
布客飞龙
|
博文
Python 自动化指南（繁琐工作自动化）第二版：二十、使用 GUI 自动化控制键盘和鼠标
Python 自动化指南（繁琐工作自动化）第二版：二十、使用 GUI 自动化控制键盘和鼠标
# 图像识别 # 日志服务 # Shell # iOS开发 # MacOS # Python # Windows
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
RDT：清华开源全球最大的双臂机器人操作任务扩散基础模型、代码与训练集，基于模仿能力机器人能够自主完成复杂任务
RDT（Robotics Diffusion Transformer）是由清华大学AI研究院TSAIL团队推出的全球最大的双臂机器人操作任务扩散基础模型。RDT具备十亿参数量，能够在无需人类操控的情况下自主完成复杂任务，如调酒和遛狗。
# 图像识别 # 传感器 # 人工智能 # 自然语言处理 # 机器人
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
Vision Parse：开源的 PDF 转 Markdown 工具，结合视觉语言模型和 OCR，识别文本和表格并保持原格式
Vision Parse 是一款开源的 PDF 转 Markdown 工具，基于视觉语言模型，能够智能识别和提取 PDF 中的文本和表格，并保持原有格式和结构。
# 图像识别 # 自然语言处理 # 人工智能 # 文字识别 # 自然语言处理 # API # Python
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
Emotion-LLaMA：用 AI 读懂、听懂、看懂情绪，精准捕捉文本、音频和视频中的复杂情绪
Emotion-LLaMA 是一款多模态情绪识别与推理模型，融合音频、视觉和文本输入，通过特定情绪编码器整合信息，广泛应用于人机交互、教育、心理健康等领域。
# 图像识别 # 机器学习/深度学习 # 人工智能 # 自然语言处理 # 人机交互
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
ToddlerBot：告别百万经费！6000刀就能造人形机器人，斯坦福开源全套方案普及机器人研究
ToddlerBot 是斯坦福大学推出的低成本开源人形机器人平台，支持强化学习、模仿学习和零样本模拟到现实转移，适用于运动操作研究和多场景应用。
# 图像识别 # 机器学习/深度学习 # 人工智能 # 算法 # 数据可视化 # 机器人
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
SongGen：三秒克隆音色！开源AI一键生成专业级歌曲，创作人必备神器
SongGen是由上海AI Lab、北京航空航天大学和香港中文大学联合推出的单阶段自回归Transformer模型，能够通过文本生成高质量歌曲，支持混合模式和双轨模式，显著提升生成歌曲的自然度和人声清晰度。
# 图像识别 # 数据采集 # 机器学习/深度学习 # 人工智能 # 自然语言处理 # 搜索推荐
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
Mureka V6：10语种AI音乐工厂！昆仑万维「声场黑科技」颠覆作曲
昆仑万维推出的Mureka V6 AI音乐创作基座模型，支持10种语言歌词生成和纯音乐创作，通过自研ICL技术实现声场优化，覆盖爵士/电子/流行等多元风格，为音乐爱好者和专业创作者提供高效工具。
# 图像识别 # 机器学习/深度学习 # 人工智能 # 数据库 # 决策智能 # Swift
大口吃饭饭啊
|
问答
|
来自： 视觉智能
视觉智能开放平人脸美颜API服务应用场景是什么呀？
# 图像识别 # 视觉智能开放平台 # API
真的很搞笑
|
问答
|
来自： 视觉智能
视觉智能平台的图像识别里面的垃圾分类有免费使用次数吗？
# 图像识别 # 视觉智能开放平台
免费试用