在光怪陆离的梦境中，我们可以摆脱客观事实的约束，对自己的外在形象进行天马行空的畅想，有人化身威风凛凛的将军驰骋疆场，又有人化身亭亭玉立的公主正襟危坐，然而这些翩若惊鸿婉若游龙的美好瞬间却总是会随着一声闹钟的响声化为泡影。难道梦境中的自己总是不能被带回到现实之中吗？AIGC技术的快速发展使得这一点成为可能。

在保持输入主体不变的情况下生成背景的需求广泛存在，可用于海报生成、商品换背景多种场景。本文介绍一种使用扩散模型生成背景的技术，背景生成内容可接受图像、文字prompt和图像边缘edge等3中不同的引导方式，这些引导方式可以组合使用，灵活的控制生成背景的内容。该模型具有很好的通用性，对主体内容无限制，适用各种不同的图像主体，例如各类商品、动物甚至人像等。

在过去的不到一个月，FaceChain开源项目从无到有，成功突破了相关技术瓶颈，GitHub获得了超过4.6K star，为未来的应用发展奠定了坚实的基础。 本文将介绍我们已经实现的一些核心功能、，以及未来一些场景的设想。文章末尾，诚邀有意向有能力的开发者加入我们！

本文主要展示了阿里和港大的AI版「任意门」，实现零样本的图像嵌入。

本地生活技术雷达是由本地生活技术中心战略管理&PMO团队开展的，定期扫描和评估新兴技术的战略研究工作。目的是对技术趋势进行前瞻性预判，提出新技术布局建议，在技术驱动业务创新和业务增长、践行社会责任等方面有一些实质性探索。 本篇尝试探讨 1）理解AI范式——从分析型（Analytical AI）到生成式（Generative AI）的拐点在2022年，其对人类社会以及商业模式的长期影响； 2）生成式AI（文生文、文生图、图生图等）在本地业务目前场景的应用和未来的方向。 欢迎技术、产品、运营、战略、管理层、国内国际等各种视角的指点和碰撞！

新手该如何快速学习和应用LLM

AI提效：基于手淘首页截图进行请求定位能力实现

AI热点日报隆重推出！ 我们汇集了最新的AI热点信息、最新论文和观点，为您提供最前沿的AI领域资讯。 （往期链接请在子社区查看官方博文哦~）

伴随着持续不断的AIGC浪潮，越来越多的AI生成玩法正在被广大爱好者定义和提出，图像卡通化（动漫化）基于其还原效果高，风格种类丰富等特点而备受青睐。早在几年前，伴随着GAN网络的兴起，卡通化就曾经风靡一时。而今，伴随着AIGC技术的兴起和不断发展，扩散生成模型为卡通化风格和提供了更多的创意和生成的可能性。本文就将详细介绍达摩院开放视觉团队的卡通化技术实践。

为了零成本低门槛地提供极致酷炫的人像玩法，我们提出了一套人像风格化通用框架「AI Maleonn」AI 版神笔马良，用于一键生成风格百变的人物虚拟形象，在风格上涵盖手绘、3D、日漫、艺术特效、铅笔画等多种风格，同时可以支持面向小样本的专属风格定制，利用少量目标风格图即可实现快速迁移拓展；在处理维度上，不仅适用于生成头部效果，更支持全图精细化纹理转换，兼容多人场景；在模型鲁棒性上，有效克服了多角度姿态、面部遮挡等各类复杂场景，整体稳定性大大提升。

GPT Image这类模型的遮罩容易出黑块，改动也会越过边界。本文用一张客厅图片实测另一种做法：在图上画圈、画框做标注，再用一句提示词说明改成什么，并总结提示词的写法。

多宠家庭场景下，传统监控设备仅能采集视频画面，难以区分外观相近的宠物个体，容易造成行为数据归属混乱、健康事件错配、联动设备误触发等问题。当前行业已形成一类面向边缘硬件的多模态宠物视觉感知技术路线，通过融合犬只鼻纹、面部关键点等生物特征，结合肢体姿态时序追踪、多帧特征融合等策略，在暗光、局部遮挡、宠物体态随时间变化等复杂居家条件下完成个体识别。这类系统普遍采用端云协同架构，将基础检测、身份比对、轨迹追踪部署在本地设备，在保障实时响应的同时降低原始图像上传带来的隐私风险。

把一张静态图片变成GIF，关键是帧从哪里来。本文按帧的来源分成四条路线：裁剪拼帧、序列帧切分、多帧生成模型直接输出GIF、视频模型生成后转GIF，说明各自的原理、关键参数和适用范围，并附ffmpeg转码参数。

鸟类AI计数面临密集遮挡、小目标漏检与高算力瓶颈。主流方案分两类：目标检测跟踪（YOLO+ByteTrack）适合稀疏场景，可获个体轨迹但易漏检；密度估计（如CSRNet）直接回归密度图，高效精准统计大规模集群，已成为高密度鸟群计数的首选技术。（239字）

老照片常见划痕、水渍、发黄，很多还是黑白的。这篇给出一段图生图修复提示词，讲清楚为什么这样写才能让人脸不走样，以及不同的照片各加哪一句。

GPT Image 2.6和2.5用同样的提示词对比：静态图差别不大，带字的排版图2.6稍好；新加的GIF功能做表情包够用，但最多16帧，画面会抖。附几条用2.6做GIF的提示词技巧。

在浏览器里用canvas抽帧、gif.js编码，把视频转成GIF。介绍seek抽帧的实现和常见问题，并用同一段5秒视频实测10组参数的GIF体积。

文件处理核验进入团队交接后，难点是让没有参与操作的人理解材料能说明什么。本文按协作需求、证据选择、记录字段与复查约束，整理一套留档方案，说明页面截图、HAR与处理条件各自的边界；未包含实测数据。

阿里数字人服务：输入文案/录音/照片/PPT，秒生成开口说话的数字人视频。支持克隆形象、照片驱动、PPT讲解三模式，自选模板、背景、字幕与方言，按分钟计费（0.5元起）。所有参数均源自真实技术限制，非宣传口径。（240字）

本文探讨智慧养宠中宠物面部识别的鲁棒性提升策略，聚焦非合作场景下的光照多变、姿态随意等核心挑战。系统梳理数据增强、光照归一化、姿态校正、模型优化、多任务学习等关键技术路径，兼顾精度与边缘部署需求，助力实现“任意角度、任意光照下精准识宠”。

这是一份用AI完成的AI漫剧亏损归因实战报告：涵盖数据采集、建模分析（Python量化回本门槛）、五重挤压归因、多载体交付（HTML/PDF/Word）及6条可复用运营规律，全程开源可验证。（239字）

收到一份HAR记录时，如何还原端侧推理会话的边界？本文按请求方向、响应体积、Timing、Mime Type以及Request Body、Response Body是否可见逐项说明能判断什么、不能判断什么，区分模型资源与用户文件流向，并说明缓存推断需要的处理条件。相关方法为建议流程，未包含实测数据。

咕嘎批量合并系统专为办公归档设计，支持跨多级文件夹扫描PDF/图片，按文件名完全相同或关键字自动分组，一键合并为单个PDF。适配合同、发票、课件、图纸等场景，效率提升10倍以上。

从当前模型目录出发，按参考素材、声音锚、上一镜帧来源与输出规格筛选兼容方案，再核提示词到出片的字段交接与成功条件。

人工核定镜头边界，分别截片、提取骨架并记录人物与接收端用途，用合成切镜片核对命令的边界、帧数和时长。

先把各段统一到相同尺寸、帧率和像素格式，再按顺序拼接，核对接点后提取控制素材。本文给出 ffmpeg 命令、时间表与合成素材 CPU 验证。

先按目标机器的系统、架构、Python 和运行设备准备完整 wheelhouse、两份 ONNX 模型、ffmpeg 与 SHA 清单，再断网安装并分别验收依赖、模型加载和动作输出。本文为固定版本的准备方案。

检查 IMAGE 的形状、浮点类型、0–1 范围及 RGB 顺序，用灰阶和彩色合成数据定位数值转换问题。

# 茶叶实例分割数据集 | 项目 | 详情 | | -------- | ---------------------- | | 任务类型 | 实例分割 | | 图片总量 | 13000张 | | 分类数量 | 1类 | | 标注格式 | YOLO txt | |

文件写出不等于动作复现。按文件、控制信息、生成入口和成片动作四层验收，并用走廊打戏的已有失败镜头说明如何退回排查。

把参考片、提取配置、原始深度、控制片与生成请求关联归档，再用只改一个因素的对照追查结果差异。提供 ReShot 0.5.0 命令与实验记录模板。

本文详解Windows下基于TensorRT 10.16的YOLO26 C++部署全流程：涵盖VS2022/CUDA 12.9/OpenCV 4.8.1环境搭建、FP32/FP16/INT8模型导出与Engine序列化、命令行推理及自训练模型部署。实测单帧推理仅约1.4ms，速度较ultralytics Python提升14倍。

固定同一份动作控制片，分别准备写实与动画的角色图、场景材质及画风文字，再逐镜检查动作与外观残留。结合已有走廊案例说明接法及深度轮廓影响。

用参考片准备抓握与反摔的连续动作，提取带手部的骨架控制视频，分别提供角色图与动作参考；结合已有打戏对照说明接入和逐动作回看方法。

给 AI 视频准备动作参考时，先用同一片段的稳定版与原始版区分关节抖动、动作跟随迟滞和显隐闪烁。本文给出 ReShot 0.5.0 对照命令、动作时点记录表与已有实验的正确读法。

AI视频线稿杂乱或主体轮廓断裂时，可固定同一参考片和输出设置，分别调整Canny阈值，记录轮廓、干扰线与播放稳定性，选出适合交接的控制素材。

本文详解图片一键转视频的完整方法论：覆盖5大高频场景（活动预热、商品展示、内容复用等），提炼可复用的“五步流程”与“七项质检清单”，总结5条核心结论——强调素材质量决定上限、动效宜缓不宜快、先定渠道再定参数。无需剪辑软件，AI赋能实现“一句话生成动态视频”，大幅提升轻量视频生产效率。（239字）

该方案基于YOLO模型，专注识别保洁人员“是否正在清洁”这一核心状态（如拖地、扫地、擦拭等），将监控画面转化为可统计的作业时长、频次等客观数据，助力物业实现从“人盯人”到“AI盯行为”的精细化、可追溯管理。

给 AI 视频提取动作参考时，骨架手脚忽隐忽现应先查原片遮挡、人物检测与关节分数，再比较默认稳定和原始输出。本文给出 ReShot 0.5.0 的对照命令、关键点观察方法及已有实验的适用范围。

给 AI 视频提取动作参考时，骨架手脚忽隐忽现应先查原片遮挡、人物检测与关节分数，再比较默认稳定和原始输出。本文给出 ReShot 0.5.0 的对照命令、关键点观察方法及已有实验的适用范围。

为AI Agent添加联网搜索，远不止调用API：需构建完整检索链路——精准判断搜索必要性、多轮查询改写、结果标准化去重、权威来源排序、正文精读与引用校验，才能确保答案既实时又可靠。（239字）