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
15231内容 6活动 4190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
CogAgent-9B：智谱 AI 开源 GLM-PC 的基座模型，专注于预测和执行 GUI 操作，可应用于自动化交互任务
CogAgent-9B 是智谱AI基于 GLM-4V-9B 训练的专用Agent任务模型，支持高分辨率图像处理和双语交互，能够预测并执行GUI操作，广泛应用于自动化任务。
# 图像识别 # 机器学习/深度学习 # 人工智能 # 自然语言处理 # 测试技术 # 计算机视觉
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
斯坦福黑科技让笔记本GPU也能玩转AI视频生成！FramePack：压缩输入帧上下文长度！仅需6GB显存即可生成高清动画
斯坦福大学推出的FramePack技术通过压缩输入帧上下文长度，解决视频生成中的"遗忘"和"漂移"问题，仅需6GB显存即可在普通笔记本上实时生成高清视频。
# GPU云服务器 # 图像识别 # 人工智能 # 并行计算 # Linux # 调度 # 异构计算
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
SmolDocling：256M多模态小模型秒转文档！开源OCR效率提升10倍
SmolDocling 是一款轻量级的多模态文档处理模型，能够将图像文档高效转换为结构化文本，支持文本、公式、图表等多种元素识别，适用于学术论文、技术报告等多类型文档。
# 图像识别 # 人工智能 # 文字识别 # 异构计算
蚝油菜花
|
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
|
博文
|
来自： ModelScope模型即服务
传统OCR集体阵亡！Versatile-OCR-Program：开源多语言OCR工具，精准解析表格和数学公式等复杂结构
本文解析开源OCR工具Versatile-OCR-Program的技术实现，其基于多模态融合架构实现90%以上识别准确率，支持数学公式与图表的结构化输出，为教育资料数字化提供高效解决方案。
# 云解析DNS # 图像识别 # 存储 # 人工智能 # JSON # 文字识别 # 自然语言处理
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
Agent Laboratory：AI自动撰写论文，AMD开源自动完成科研全流程的多智能体框架
Agent Laboratory 是由 AMD 和约翰·霍普金斯大学联合推出的自主科研框架，基于大型语言模型，能够加速科学发现、降低成本并提高研究质量。
# 图像识别 # 机器学习/深度学习 # 人工智能 # 自然语言处理 # 决策智能 # Python
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
FlowiseAI：34K Star！集成多种模型和100+组件的 LLM 应用低代码开发平台，拖拽组件轻松构建程序
FlowiseAI 是一款开源的低代码工具，通过拖拽可视化组件，用户可以快速构建自定义的 LLM 应用程序，支持多模型集成和记忆功能。
# 图像识别 # 人工智能 # 数据可视化 # 开发者 # Docker # 容器
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
OCRmyPDF：16.5K Star！快速将 PDF 文件转换为可搜索、可复制的文档的命令行工具
OCRmyPDF 是一款开源命令行工具，专为将扫描的 PDF 文件转换为可搜索、可复制的文档。支持多语言、图像优化和多核处理。
# 图像识别 # 人工智能 # 编解码 # 文字识别 # iOS开发 # MacOS
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
从商业海报到二次元插画多风格通吃！HiDream-I1：智象未来开源文生图模型，17亿参数秒出艺术大作
HiDream-I1是智象未来团队推出的开源图像生成模型，采用扩散模型技术和混合专家架构，在图像质量、提示词遵循能力等方面表现优异，支持多种风格生成。
# 图像识别 # 人工智能 # 并行计算 # 测试技术 # 网络架构 # 内存技术
免费试用