探索云世界
VIAPI—人物动漫化！新增风格版本发布。 产品功能：人物动漫化——输入一张人物图像，生成其二次元卡通形象，返回卡通化后的结果图像。 🔥🔥🔥 本次更新风格：国风工笔画、港漫风
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！
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~）
图像上色是老照片修复的一个关键步骤，本文介绍发表在 ICCV 2023 上的最新上色论文 DDColor
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。
本文旨在整理一份可供参考和学习的专业ChatGPT相关资料，包括ChatGPT相关论文、Github项目、以及当前市场上出现的ChatGPT相关产品等。
传统视频目标检测（Video Object Detection, VOD）是离线（offline）的检测任务，即仅考虑算法的检测精度，未考虑算法的延时。流感知（Streaming Perception）任务作为VOD的一个细分方向，采用流平均精度（Streaming Average Precision, sAP）指标，衡量算法的在线（online）检测能力，即同时衡量算法的精度和延时。本文针对现有的流感知工作在训练方式和模型感受野两方面的不足，提出了DAMO-StreamNet，在保证算法实时性的前提下，实现了SOTA的性能。
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。
RAW转档是专业级摄影后期修图的必备环节，旨在将拍摄的RAW图转化为细节丰富，色彩准确的JPG原片，方便修图师基于转档结果进行更为个性化和精细化的美化操作。由于对效果的精准要求和流程的把控需求，目前修图师主要利用专业软件进行人工转档操作。整个过程耗时又费力，极大降低了后期修图的交付效率。为了赋能修图师，提升他们的工作效率，本文提出了一种基于数据驱动，自动转档的技术方案，以实现人工RAW转档的替代。
换脸技术旨在将图像或者视频中的人脸替换成目标人脸，使生成的图像与目标人脸相似，且具有图像或视频中人脸的外貌特征。作为近几年计算机视觉和图形学领域较热门的应用之一，已被广泛用于互动娱乐，肖像替换，广告宣发，电影后期等场景中。本工作面向互动娱乐场景，扎根于学术前沿，聚焦于行业落地，提出了一个脸型自适应的换脸算法(SaSwap)，并结合落地过程中的若干痛点难点逐一攻关，最终以高效的输出方式组成了一套完整的互娱换脸解决方案。
本文介绍了一个基于用户驱动，依赖于大型语言模型(LLMs)的艺术字生成框架WordArt Designer。该系统包含四个关键模块:LLM引擎、SemTypo、Stlytypo和TextTypo模块。由gpt-3.5 turbo驱动的LLM引擎可以解释用户输入，从而将抽象概念转化为具体的设计。SemTypo模块使用语义概念优化字体设计，在艺术转换和可读性之间取得平衡。在SemTypo的基础上，StyTypo模块辅助生成精细的图像。TextTypo模块通过纹理渲染进一步生成创造性纹理字体。
本文档介绍了在Windows环境下如何为FFmpeg集成libopus和libvpx库。首先，详细阐述了安装libopus的步骤，包括下载源码、配置、编译和安装，并更新环境变量。接着，同样详细说明了libvpx的安装过程，注意需启用--enable-pic选项以避免编译错误。最后，介绍了重新配置并编译FFmpeg以启用这两个库，通过`ffmpeg -version`检查是否成功集成。整个过程参照了《FFmpeg开发实战：从零基础到短视频上线》一书的相关章节。
在Windows环境下，为FFmpeg集成音频编解码库，包括libogg、libvorbis和opencore-amr，涉及下载源码、配置、编译和安装步骤。首先，安装libogg，通过配置、make和make install命令完成，并更新PKG_CONFIG_PATH。接着，安装libvorbis，同样配置、编译和安装，并修改pkgconfig文件。之后，安装opencore-amr。最后，重新配置并编译FFmpeg，启用ogg和amr支持，通过ffmpeg -version检查是否成功。整个过程需确保环境变量设置正确，并根据路径添加相应库。
在《FFmpeg开发实战》一书中，介绍了如何在Linux环境下为FFmpeg集成libopus和libvpx，以支持WebM格式的Opus和VP8/VP9编码。首先，下载并安装libopus。接着，下载并安装libvpx。最后，在FFmpeg源码目录下，重新配置FFmpeg，启用libopus和libvpx，编译并安装。通过`ffmpeg -version`检查版本信息，确认libopus和libvpx已启用。
在Linux环境下，为FFmpeg添加对AAC、MP3、OGG和AMR音频格式的支持，需安装libogg、libvorbis和opencore-amr库。首先，从官方源下载各库的最新源码，如libogg-1.3.5、libvorbis-1.3.7和opencore-amr-0.1.6，然后解压并依次执行`./configure`、`make`和`make install`进行编译安装。接着，在FFmpeg源码目录中，使用`./configure`命令重新配置，并重新编译安装FFmpeg。最后，验证FFmpeg版本信息确认已启用ogg和amr支持。
请注意，确保在调试或开发阶段使用更详细的日志级别（如 `DEBUG`或 `TRACE`），但在生产环境中应将其设置为更高的级别以减少日志量。
在SQL Server中，数据库导入可通过多种方式实现：1) 使用SSMS的“导入数据”向导从各种源（如Excel、CSV）导入；2) BULK INSERT语句适用于导入文本文件；3) bcp命令行工具进行批量数据交换；4) OPENROWSET函数直接从外部数据源（如Excel）插入数据。在操作前，请记得备份数据库，并可能需对数据进行预处理以符合SQL Server要求。注意不同方法可能依版本和配置而异。
现在，你的Nginx虚拟主机应该已经配置了SSL，可以通过HTTPS安全访问。确保在生产环境中使用有效的SSL证书来保护通信的安全性。
在Linux环境下，本文指导如何交叉编译x265的so库以适应Android。首先，需安装cmake和下载android-ndk-r21e。接着，下载x265源码，修改crosscompile.cmake的编译器设置。配置x265源码，使用指定的NDK路径，并在配置界面修改相关选项。随后，修改编译规则，编译并安装x265，调整pc描述文件并更新PKG_CONFIG_PATH。最后，修改FFmpeg配置脚本启用x265支持，编译安装FFmpeg，将生成的so文件导入Android工程，调整gradle配置以确保顺利运行。
在Linux环境下交叉编译Android所需的FFmpeg so库，首先下载`android-ndk-r21e`，然后解压。接着，上传FFmpeg及相关库（如x264、freetype、lame）源码，修改相关sh文件，将`SYSTEM=windows-x86_64`改为`SYSTEM=linux-x86_64`并删除回车符。对x264的configure文件进行修改，然后编译x264。同样编译其他第三方库。设置环境变量`PKG_CONFIG_PATH`，最后在FFmpeg源码目录执行配置、编译和安装命令，生成的so文件复制到App工程指定目录。
【4月更文挑战第15天】对比了几款开源BI报表工具：Superset以其高性能和高度可定制化受青睐，适合复杂分析；Metabase以其简洁易用和广泛兼容性脱颖而出，适合快速构建报表；DataEase以其轻量级和易部署特点吸引中小型企业；JasperReports擅长复杂报表生成，适合Java环境；Pentaho CE则是一体化平台，适合需要全面企业级功能的用户。选择时应结合公司需求、技术背景和数据规模来决定。
请根据你的实际情况，将实体类中的字段和注解进行适当的调整，以确保每个实体类都有一个明确定义的标识符（主键）。 买CN2云服务器，免备案服务器，高防服务器，就选蓝易云。百度搜索：蓝易云
以上方法可以让你在同一端口上同时支持gRPC和HTTP流量。具体的选择取决于你的项目需求和技术架构。 买CN2云服务器，免备案服务器，高防服务器，就选蓝易云。百度搜索：蓝易云
FFmpeg跨平台支持多系统，包括Linux、macOS、Windows和Android。官方提供[编译指南](https://trac.ffmpeg.org/wiki/CompilationGuide)。在CentOS上，编译涉及安装多个依赖，如NASM、Yasm、libx264、libx265、libfdk_aac等。同样，在EulerOS上，需安装相关工具并分别编译x264、x265和FFmpeg。详细FFmpeg开发内容可参考《FFmpeg开发实战：从零基础到短视频上线》。
在国内访问GitHub不稳定时，可以采取三种解决方法。首先，通过网站(<https://ping.chinaz.com/github.com>)找到快速响应的GitHub IP，将其添加到本地hosts文件，然后刷新DNS缓存以正常访问。其次，使用代下载网站如(<https://d.serctl.com/>)下载GitHub上的压缩包。最后，可从国内镜像站点，如码云(<https://gitee.com/mirrors/ffmpeg>)，下载FFmpeg等开源代码。这些方法有助于绕过访问限制，确保FFmpeg学习与开发的顺利进行。
在《FFmpeg开发实战：从零基础到短视频上线》中，介绍了解决MSYS下FFmpeg交叉编译时遇到的密钥环过期问题。当尝试安装mingw-w64-x86_64-toolchain时，可能出现签名不被信任的错误。这由于MSYS密钥环有效期仅为150天，过期后需更新。通过`pacman-key --list-sigs`检查密钥状态，发现密钥已过期。解决方法是访问`https://repo.msys2.org/msys/x86_64/`下载msys2-keyring最新版，然后验证并安装更新。更新后，密钥环有效期将延长至2024年4月10日，确保能正常安装交叉编译工具链。
综上所述，安装Oracle Database 19c在Linux系统上需要下载安装包、解压安装包、创建响应文件、安装依赖库、创建用户和组、修改系统参数、执行安装程序、配置环境变量、运行安装助手、启动数据库等步骤。详细步骤和注意事项请参考Oracle官方文档。
【4月更文挑战第7天】本文探讨了TypeScript在大型前端项目中的价值和实践策略。 TypeScript通过静态类型检查、代码提示、接口与泛型提高代码质量和开发效率。在大型项目中，可采用逐步迁移策略，制定类型规范，利用IDE特性，并维护类型定义文件。通过CI/CD和培训分享，团队能充分发挥TypeScript优势，提升项目可维护性、可扩展性和开发效率。
FFmpeg是一个强大的多媒体处理框架，提供ffmpeg、ffplay和ffprobe工具及八个库：avcodec（编解码）、avdevice（设备输入输出）、avfilter（音视频滤镜）、avformat（格式处理）、avutil（通用工具和算法）、postproc（后期效果）、swresample（音频重采样）和swscale（视频图像转换）。这些库支持定制化开发，涵盖了从采集、编码、过滤到输出的全过程。了解详细FFmpeg开发信息，可参考《FFmpeg开发实战：从零基础到短视频上线》。
FFmpeg提供ffmpeg、ffplay和ffprobe三个可执行程序。ffmpeg用于音视频转换和查询支持信息，如编解码器、文件格式和协议。ffplay是一个简单的播放器，支持播放音视频并显示相关信息。ffprobe用于分析多媒体文件参数和数据包详情。《FFmpeg开发实战：从零基础到短视频上线》一书提供更深入的开发知识。
本文指导初学者如何在Linux上搭建FFmpeg开发环境。首先，由于FFmpeg依赖第三方库，可以免去编译源码的复杂过程，直接安装预编译的FFmpeg动态库。推荐网站<https://github.com/BtbN/FFmpeg-Builds/releases>提供适用于不同系统的FFmpeg包。但在安装前，需确保系统有不低于2.22版本的glibc库。详细步骤包括下载glibc-2.23源码，配置、编译和安装。接着，下载Linux版FFmpeg安装包，解压至/usr/local/ffmpeg，并设置环境变量。最后编写和编译简单的C或C++测试程序验证FFmpeg环境是否正确配置。
在Windows上学习FFmpeg通常较困难，但通过安装预编译的FFmpeg开发包可以简化流程。首先需要安装MSYS2来模拟Linux环境。下载并执行MSYS2安装包，然后修改msys2_shell.cmd以继承Windows的Path变量。使用pacman安装必要的编译工具。接着，下载预编译的FFmpeg Windows包，解压并配置系统Path。最后，在MSYS2环境中运行`ffmpeg -version`确认安装成功。欲深入学习FFmpeg开发，推荐阅读《FFmpeg开发实战：从零基础到短视频上线》。
即将连载的系列文章将探索Android上的OpenGL开发，这是一种用于创建3D图形和动画的技术。OpenGL是跨平台的图形库，Android已集成其API。文章以2D绘图为例，解释了OpenGL的3个核心元素：GLSurfaceView（对应View）、GLSurfaceView.Renderer（类似Canvas）和GL10（类似Paint）。通过将这些结合，Android能实现3D图形渲染。文章介绍了Renderer接口的三个方法，分别对应2D绘图的构造、测量布局和绘制过程。示例代码展示了如何在布局中添加GLSurfaceView并注册渲染器。
本文介绍了如何使用GL10进行三维图形绘制。首先，每个点由三个浮点数（x, y, z）表示，数组大小为顶点数的三倍来构建平面。接着，通过`FloatBuffer`将浮点数组转换为OpenGL可识别的格式。绘制图形时，需启用和禁用顶点开关，并调用`glVertexPointer`指定顶点坐标和`glDrawArrays`绘制点、线、面。文中展示了绘制立方体线框的代码，包括顶点数组转换、立方体各面的定义以及绘制方法。最后，提到了球体的绘制概念。
该文阐述了如何使用OpenGL为三维物体添加纹理，以增强其真实感。纹理坐标是二维的，用于标记摊平后的“布料”对应物体的哪个部位，类似裁缝制作衣服的过程。在OpenGL中，启用纹理和深度测试是关键，还包括设置纹理参数、分配纹理编号、绑定位图材质等步骤。计算材质的纹理坐标后，通过`glDrawArrays`结合顶点和纹理坐标逐个贴图。最终示例展示了将世界地图贴到球体上形成逼真的地球仪效果。通过控制旋转、平移和缩放，能实现简单的三维动画效果。
这篇文章简述了OpenGL通过GL10进行三维图形绘制，强调颜色取值范围为0.0到1.0，背景和画笔颜色设置方法；介绍了三维坐标系及与之相关的旋转、平移和缩放操作；最后探讨了坐标矩阵变换，包括设置绘图区域、调整镜头参数和改变观测方位。示例代码展示了如何使用这些方法创建简单的三维立方体。
本文讲述了如何使用OpenGL实现更平滑、逼真的电子书翻页动画，以解决传统贝塞尔曲线方法存在的卡顿和阴影问题。作者分享了一个改造后的外国代码示例，提供了从前往后和从后往前的翻页效果动图。文章附带了`GlTurnActivity`的Java代码片段，展示如何加载和显示书籍图片。完整工程代码可在作者的GitHub找到：https://github.com/aqi00/note/tree/master/ExmOpenGL。
文字识别OCR（Optical Character Recognition）技术能够将图片或者扫描件中的文字转换为电子文本。以下是阿里云OCR技术使用中的一些常见问题以及相应的解答。
文字识别OCR（Optical Character Recognition）技术能够将图片或者扫描件中的文字转换为电子文本。以下是阿里云OCR技术使用中的一些常见问题以及相应的解答。
文字识别OCR（Optical Character Recognition）技术能够将图片或者扫描件中的文字转换为电子文本。以下是阿里云OCR技术使用中的一些常见问题以及相应的解答。
