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
Janus-Pro：DeepSeek 开源的多模态模型，支持图像理解和生成
Janus-Pro是DeepSeek推出的一款开源多模态AI模型，支持图像理解和生成，提供1B和7B两种规模，适配多元应用场景。通过改进的训练策略、扩展的数据集和更大规模的模型，显著提升了文本到图像的生成能力和指令跟随性能。
# 图像识别 # 人工智能 # 自然语言处理 # 计算机视觉 # 开发者 # Python
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
Oumi：开源的AI模型一站式开发平台，涵盖训练、评估和部署模型的综合性平台
Oumi 是一个完全开源的 AI 平台，支持从 1000 万到 4050 亿参数的模型训练，涵盖文本和多模态模型，提供零样板代码开发体验。
# GPU云服务器 # 图像识别 # 人工智能 # 物联网 # 开发者 # 异构计算
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
HealthGPT：你的AI医疗助手上线了：支持X光到病理切片，诊断建议+报告生成全自动
HealthGPT 是浙江大学联合阿里巴巴等机构开发的先进医学视觉语言模型，具备医学图像分析、诊断辅助和个性化治疗方案建议等功能。
# 图像识别 # 存储 # 人工智能 # 搜索推荐 # Python
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
SpatialLM：手机视频秒建3D场景！开源空间认知模型颠覆机器人训练
SpatialLM 是群核科技开源的空间理解多模态模型，能够通过普通手机拍摄的视频重建 3D 场景布局，赋予机器人类似人类的空间认知能力，适用于具身智能训练、自动导航、AR/VR 等领域。
# 图像识别 # 数据采集 # 人工智能 # 数据可视化 # 机器人 # vr&ar
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
音乐人狂喜！AbletonMCP：让AI帮你写歌，一句话生成专业编曲，Demo级作品秒出
AbletonMCP 是一个开源项目，通过模型上下文协议（MCP）将 Ableton Live 与 Claude AI 连接，实现 AI 辅助音乐制作，支持创建、修改 MIDI 和音频轨道等操作。
# 图像识别 # 人工智能 # JSON # 网络协议 # 数据格式 # Python
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
多模态交互3D建模革命！Neural4D 2o：文本+图像一键生成高精度3D内容
Neural4D 2o是DreamTech推出的突破性3D大模型，通过文本、图像、3D和运动数据的联合训练，实现高精度3D生成与智能编辑，为创作者提供全新的多模态交互体验。
# 图像识别 # 人工智能 # 自然语言处理 # 图形学
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
VSI-Bench：李飞飞谢赛宁团队推出视觉空间智能基准测试集，旨在评估多模态大语言模型在空间认知和理解方面的能力
VSI-Bench是由李飞飞和谢赛宁团队推出的视觉空间智能基准测试集，旨在评估多模态大型语言模型（MLLMs）在空间认知和理解方面的能力。该基准测试集包含超过5000个问题-答案对，覆盖近290个真实室内场景视频，涉及多种环境，能够系统地测试和提高MLLMs在视觉空间智能方面的表现。
# 图像识别 # 数据采集 # 人工智能 # 自动驾驶 # 机器人 # 测试技术
vision-cc
|
博文
|
来自： ModelScope模型即服务
行业实践 | 基于Qwen2-VL实现医疗表单结构化输出
本项目针对不同医院检查报告单样式差异大、手机拍摄质量差等问题，传统OCR识别效果不佳的情况，探索并选定了Qwen2-vl系列视觉语言模型。通过微调和优化，模型在识别准确率上显著提升，能够精准识别并结构化输出报告单信息，支持整张报告单及特定项目的识别。系统采用FastAPI封装接口，Gradio构建展示界面，具备高效、灵活的应用特性。未来该方案可扩展至多种文本识别场景，助力行业数字化转型。
# 图像识别 # 人工智能 # 文字识别 # 并行计算 # 异构计算 # Python
-开发达人-
|
博文
图普科技李明强：用产品思维打造图像识别的场景化应用
图普科技创始人李明强是原腾讯资深项目经理和 T4 的技术专家，跟随张小龙一起参与了 QQ 邮箱和微信等产品的研发，拥有 7 年的互联网产品项目管理、团队管理、产品设计以及运营推广经验。
# 图像识别 # 机器学习/深度学习 # 人工智能 # 算法 # 机器人 # 视频直播 # 项目管理 # Android开发 # 黑灰产治理 # 计算机视觉 # iOS开发
免费试用