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
1221内容
相关子社区
ModelScope模型即服务
14970内容 6活动 3888关注
最新 热门 文章 问答 视频 训练营 活动
蚝油菜花
|
12月前
|
博文
|
来自： ModelScope模型即服务
Doubao-1.5-pro：字节跳动最新豆包大模型，性能超越GPT-4o和Claude 3.5 Sonnet
豆包大模型1.5是字节跳动推出的最新大模型，采用大规模稀疏MoE架构，支持多模态输入输出，具备低时延语音对话能力，综合性能优于GPT-4o和Claude 3.5 Sonnet。
# 图像识别 # 人工智能 # 编解码 # 算法 # 异构计算
蚝油菜花
|
10月前
|
博文
|
来自： ModelScope模型即服务
Second Me：硅基生命或成现实？如何用AI克隆自己，打造你的AI数字身份！
Second Me 是一个开源AI身份系统，允许用户创建完全私有的个性化AI代理，代表用户的真实自我，支持本地训练和部署，保护用户隐私和数据安全。
# 图像识别 # 机器学习/深度学习 # 人工智能 # 搜索推荐 # 算法 # 数据安全/隐私保护
蚝油菜花
|
9月前
|
博文
|
来自： ModelScope模型即服务
AI视频生成也能自动补全！Wan2.1 FLF2V：阿里通义开源14B视频生成模型，用首尾两帧生成过渡动画
万相首尾帧模型是阿里通义开源的14B参数规模视频生成模型，基于DiT架构和高效视频压缩VAE，能够根据首尾帧图像自动生成5秒720p高清视频，支持多种风格变换和细节复刻。
# 图像识别 # 机器学习/深度学习 # 人工智能 # 编解码 # Apache # 异构计算
蚝油菜花
|
11月前
|
博文
|
来自： ModelScope模型即服务
Agno：18.7K Star！快速构建多模态智能体的轻量级框架，运行速度比LangGraph快5000倍！
Agno 是一个用于构建多模态智能体的轻量级框架，支持文本、图像、音频和视频等多种数据模态，能够快速创建智能体并实现高效协作。
# 云原生数据仓库 AnalyticDB PostgreSQL版 # 图像识别 # 存储 # 人工智能 # 数据库 # 决策智能 # Python
蚝油菜花
|
9月前
|
博文
|
来自： ModelScope模型即服务
RAGEN：RL训练LLM推理新范式！开源强化学习框架让Agent学会多轮决策
RAGEN是一个基于StarPO框架的开源强化学习系统，通过马尔可夫决策过程形式化Agent与环境的交互，支持PPO、GRPO等多种优化算法，显著提升多轮推理训练的稳定性。
# 图像识别 # 机器学习/深度学习 # 人工智能 # 算法
蚝油菜花
|
12月前
|
博文
|
来自： ModelScope模型即服务
moonshot-v1-vision-preview：月之暗面Kimi推出多模态视觉理解模型，支持图像识别、OCR文字识别、数据提取
moonshot-v1-vision-preview 是月之暗面推出的多模态图片理解模型，具备强大的图像识别、OCR文字识别和数据提取能力，支持API调用，适用于多种应用场景。
# 文字识别 # 图像识别 # 人工智能 # 文字识别 # API # Python
蚝油菜花
|
9月前
|
博文
|
来自： ModelScope模型即服务
模型手动绑骨3天，AI花3分钟搞定！UniRig：清华开源通用骨骼自动绑定框架，助力3D动画制作
UniRig是清华大学与VAST联合研发的自动骨骼绑定框架，基于自回归模型与交叉注意力机制，支持多样化3D模型的骨骼生成与蒙皮权重预测，其创新的骨骼树标记化技术显著提升动画制作效率。
# 图像识别 # 机器学习/深度学习 # 人工智能 # PyTorch # 算法框架/工具 # C++
蚝油菜花
|
11月前
|
博文
|
来自： ModelScope模型即服务
InspireMusic：阿里通义实验室开源的音乐生成模型，支持文本或音频生成多种风格的音乐
阿里通义实验室开源的音乐生成技术，支持通过简单描述快速生成多种风格的高质量音乐作品。
# 图像识别 # 人工智能 # 自然语言处理 # PyTorch # 算法框架/工具 # 开发者
董董灿是个攻城狮
|
博文
|
来自： 视觉智能
Resnet图像识别入门——卷积的特征提取
特征提取，是卷积的灵魂！
# 图像识别 # 视觉智能开放平台 # 机器学习/深度学习 # 人工智能 # 算法 # 数据可视化 # 计算机视觉
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
Browser Use：开源 AI 浏览器助手，自动完成网页交互任务，支持多标签页管理、视觉识别和内容提取等功能
Browser Use 是一款专为大语言模型设计的智能浏览器工具，支持多标签页管理、视觉识别、内容提取等功能，并能记录和重复执行特定动作，适用于多种应用场景。
# 图像识别 # 人工智能 # API # 数据库 # 开发者
免费试用