标签：图像识别

Aya Vision 是 Cohere 推出的多模态、多语言的视觉模型，提升全球范围内的多语言和多模态通信能力。支持 23 种语言，能执行图像描述生成、视觉问答、文本翻译...

PixVerse V4 是爱诗科技推出的最新 AI 视频生成工具，基于文本或图片输入快速生成高质量的 AI 视频，生成速度最快可达 5 秒。新版本在语义理解、物理规律表现...

Microsoft Research Forum 是微软研究院推出的系列虚拟论坛活动，汇聚全球科技与研究领域的专家学者，共同探讨人工智能及相关前沿技术的最新进展、创新理念与...

HumanDiT 是浙江大学和字节跳动联合提出的姿态引导的高保真人体视频生成框架。基于扩散变换器（Diffusion Transformer，DiT），能在大规模数据集上训练，生成...

LLaVA-Rad是微软研究院推出的小型多模态模型，专注于临床放射学报告生成。是LLaVA-Med项目的分支，特别是胸部X光（CXR）成像。基于LLaVA-Med的基础架构和训练...

Lumina-Image 2.0 是开源的高效统一图像生成模型，参数量为26亿，基于扩散模型和Transformer架构。在图像生成质量、复杂提示理解和资源效率方面表现出色，在...

MimicPhoto 是 GenAI Works 推出的 AI 驱动的照片编辑工具，专注于通过智能技术提升照片中的人物面部表情和整体效果。能快速调整笑容、眼神等细节，让照片中...

亲爱的同学们，你们好！在进入大学之前,这个课程将让你对人工智能有全新的认知和理解。你将学习到人工智能的核心概念，学习数学和物理学的相关基础知识，了解...

Deep Research是OpenAI推出的新型AI深度搜索研究工具，专为需要深度、复杂研究的用户设计。能在短时间内（5到30分钟）完成人类专家需要数小时甚至数天才能完...

明犀AI是AI图像增强工具。明犀AI基于图像生成先验和大模型能力，实现在文本提示引导下恢复图像的功能，能用负面提示和修复引导采样方法提升修复质量。明犀AI...

moonshot-v1-vision-preview 是月之暗面推出的多模态图片理解模型，模型完善了 moonshot-v1 模型系列的多模态能力，具备强大的图像识别能力，能精准区分复杂...

MultiBooth是清华大学深圳国际研究生院、 Meta、香港科技大学等机构推出的多概念图像生成方法，能从文本中生成包含多个用户指定概念的图像。MultiBooth将生成...

R2R是先进的AI检索系统，专注于Retrieval-Augmented Generation（增强型检索生成）。R2R集成多模态内容摄取、混合搜索、知识图谱构建、GraphRAG聚类分析、用...

百度AI搜是百度基于文心大模型打造的桌面端AI搜索引擎。整合了百度搜索引擎、百度健康、百度律临、百度文库、百度教育等多个内容生态，确保搜索结果的可靠性...

VITRON是Skywork AI、新加坡国立大学和南洋理工大学联合推出的像素级视觉大型语言模型（LLM），能全面理解和处理静态图像与动态视频，对图像和视频进行理解、...