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
1226内容
相关子社区
ModelScope模型即服务
15280内容 6活动 4272关注
最新 热门 文章 问答 视频 训练营 活动
南修子
|
问答
|
来自： ModelScope模型即服务
!pip install open_clip_torch !pip install pytorch-
# 图像识别
真的很搞笑
|
问答
|
来自： 视觉智能
视觉智能平台根据官方接口案例，用Java调用图像识别->元素识别接口时候，提示我？
# 图像识别 # 视觉智能开放平台 # Java
董董灿是个攻城狮
|
博文
|
来自： 视觉智能
Resnet图像识别入门—— 图像的色彩空间
了解 图像的色彩空间会让你对像素有更多的认识。
# 图像识别 # 视觉智能开放平台 # 机器学习/深度学习 # 存储 # 编解码 # 算法 # 计算机视觉 # 芯片
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
EDTalk：只需上传图片、音频和视频，就能使图片中的人物说话，情感表情与音频情绪高度统一
EDTalk 是上海交通大学与网易联合研发的高效解耦情感说话头像合成模型，能够独立控制嘴型、头部姿态和情感表情，适用于多种应用场景。
# 图像识别 # 人工智能
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
Zerox：AI驱动的万能OCR工具，精准识别复杂布局并输出Markdown格式，支持PDF、DOCX、图片等多种文件格式
Zerox 是一款开源的本地化高精度OCR工具，基于GPT-4o-mini模型，支持PDF、DOCX、图片等多种格式文件，能够零样本识别复杂布局文档，输出Markdown格式结果。
# 图像识别 # 机器学习/深度学习 # 人工智能 # 文字识别 # API # 开发者
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
Omnitool：开发者桌面革命！开源神器一键整合ChatGPT+Stable Diffusion等主流AI平台，本地运行不联网
Omnitool 是一款开源的 AI 桌面环境，支持本地运行，提供统一交互界面，快速接入 OpenAI、Stable Diffusion、Hugging Face 等主流 AI 平台，具备高度扩展性。
# 图像识别 # 人工智能 # Linux # API # 开发者 # Windows
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
Flame：开源AI设计图转代码模型！生成React组件，精准还原UI+动态交互效果
Flame 是一款开源的多模态 AI 模型，能够将 UI 设计图转换为高质量的现代前端代码，支持 React 等主流框架，具备动态交互、组件化开发等功能，显著提升前端开发效率。
# 图像识别 # 人工智能 # 自然语言处理 # 前端开发 # JavaScript # API
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
Proxy Lite：仅3B参数的开源视觉模型！快速实现网页自动化，支持在消费级GPU上运行
Proxy Lite 是一款开源的轻量级视觉语言模型，支持自动化网页任务，能够像人类一样操作浏览器，完成网页交互、数据抓取、表单填写等重复性工作，显著降低自动化成本。
# GPU云服务器 # 图像识别 # 人工智能 # 自然语言处理 # API # 开发者 # 异构计算
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
月之暗面开源16B轻量级多模态视觉语言模型！Kimi-VL：推理仅需激活2.8B，支持128K上下文与高分辨率输入
月之暗面开源的Kimi-VL采用混合专家架构，总参数量16B推理时仅激活2.8B，支持128K上下文窗口与高分辨率视觉输入，通过长链推理微调和强化学习实现复杂任务处理能力。
# 图像识别 # 机器学习/深度学习 # 人工智能 # 编解码 # 网络架构 # 异构计算
免费试用