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
1231内容
相关子社区
ModelScope模型即服务
15327内容 6活动 4333关注
最新 热门 文章 问答 视频 训练营 活动
Trouble..
|
博文
ViT(Version Transformer)原始论文解读
虽然Transformer体系结构已经成为自然语言处理任务的事实上的标准，但它在计算机视觉方面的应用仍然有限。在视觉上，注意力要么与卷积网络结合应用
# 自然语言处理 # 图像识别 # 机器学习/深度学习 # 编解码 # 自然语言处理 # 测试技术 # 计算机视觉 # 芯片 # 知识图谱 # AI芯片
颜淡慕潇
|
博文
|
来自： 千问大模型
【大模型】大型模型飞跃升级—文档图像识别领域迎来技术巨变
通过对GPT-4V和文档识别领域的深入分析和思考，为OCR文档识别领域的研究开辟了新的方向。需求不断增长的背景下，提高识别精度和处理效率成为了迫切需要满足的新应用标准。在这一背景下，出现了： 素级OCR统一模型、OCR大一统模型、文档识别分析+LLM（LanguageModel）等应用的新方向。下面来详细看一下。
# 图像识别 # 自然语言处理 # 文字识别 # 机器学习/深度学习 # 文字识别 # 自然语言处理 # 算法 # 图形学
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
LongDocURL：中科院联合阿里推出多模态长文档理解基准数据集，用于评估模型对复杂文档分析与推理的能力
LongDocURL 是由中科院与淘天集团联合推出的多模态长文档理解基准数据集，涵盖 2,325 个问答对，支持复杂文档的理解、推理和定位任务。
# 图像识别 # 人工智能 # JSON # API # 新制造 # 数据格式
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
用自然语言控制电脑，字节跳动开源 UI-TARS 的桌面版应用！内附详细的安装和配置教程
UI-TARS Desktop 是一款基于视觉语言模型的 GUI 代理应用，支持通过自然语言控制电脑操作，提供跨平台支持、实时反馈和精准的鼠标键盘控制。
# 自然语言处理 # 图像识别 # 人工智能 # 自然语言处理 # API # iOS开发 # MacOS
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
Data Formulator：微软开源的数据可视化 AI 工具，通过自然语言交互快速创建复杂的数据图表
Data Formulator 是微软研究院推出的开源 AI 数据可视化工具，结合图形化界面和自然语言输入，帮助用户快速创建复杂的可视化图表。
# 自然语言处理 # 图像识别 # 人工智能 # 自然语言处理 # 数据可视化 # 前端开发 # Python
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
CLaMP 3：音乐搜索AI革命！多模态AI能听懂乐谱/MIDI/音频，用27国语言搜索全球音乐
CLaMP 3是由清华大学团队开发的多模态、多语言音乐信息检索框架，支持27种语言，能够进行跨模态音乐检索、零样本分类和音乐推荐等任务。
# 图像识别 # XML # 机器学习/深度学习 # 人工智能 # 自然语言处理 # 数据格式
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
多模态模型卷王诞生！InternVL3：上海AI Lab开源78B多模态大模型，支持图文视频全解析！
上海人工智能实验室开源的InternVL3系列多模态大语言模型，通过原生多模态预训练方法实现文本、图像、视频的统一处理，支持从1B到78B共7种参数规模。
# 云解析DNS # 图像识别 # 人工智能 # 算法 # API
游客as6kdbzxuw7hy
|
问答
数据源-连接器-图像识别-身份证正面识别具体怎么操作有没有大神指点一下
# 图像识别 # 宜搭
快乐期盼
|
博文
|
来自： ModelScope模型即服务
aigc
aigc
# 图像识别 # 人工智能
免费试用