标签：图像识别

Vision Parse是开源的PDF文档转换工具，基于视觉语言模型（Vision LLMs）将PDF文件转换成Markdown格式。Vision Parse能智能识别和提取PDF中的文本和表格，且...

Lookie是AI穿搭应用，支持用户上传照片创建数字分身，试穿各种潮流服饰，并提供穿搭建议。Lookie拥有近30种风格的服饰库，覆盖实用穿搭、职场、生活、约会等...

Emoji AI是AI驱动的表情包制作应用，主打卡通风格，提供搜索和文生图功能，让用户能快速创建个性化表情。Emoji AI特别推出节日主题表情，适应不同文化和节日...

豆包视觉理解模型已经接入豆包App和PC端产品～

狭义人工智能（Artificial Narrow Intelligence, ANI）也被称为“弱人工智能”，是指被设计和训练来执行特定任务或狭窄范围内任务的人工智能系统。与拥有类似人...

图趣AI是基于AI技术的绘画软件，能根据用户的文字描述，创作出各种风格和主题的艺术画作。用户只需输入创意灵感，AI能模拟出相应的视觉内容，包括风景、奇幻...

通过VLM范式解决OCR任务的工作~

Qwen2VL-Flux是多模态图像生成模型，结合Qwen2VL的视觉语言理解和FLUX框架，基于文本提示和图像参考生成高质量的图像。模型支持多种生成模式，包括变体生成、...

DINO-X是IDEA研究院推出的通用视觉大模型，具备开放世界对象检测与理解能力。支持文本、视觉和定制提示，能识别图像中的任何对象而无需用户提示。基于超过1亿...

T-Rex Label是AI自动标注工具，IDEA计算机视觉团队基于T-Rex2模型创建。T-Rex Label支持一键标注和零样本检测，适用于农业、工业、生物医药等多个行业。T-Rex...

LLaVA-o1是北京大学、清华大学、鹏城实验室、阿里巴巴达摩院以及理海大学（Lehigh University）组成的研究团队推出的开源视觉语言模型，基于Llama-3.2-Vision...

三年之期已到，一加重新定义一加。

众影AI是AI视频生成工具，专注于轻动画创作。基于自研的大模型自动分析剧本或音频，能一键生成角色表演，平均1分钟内完成视频制作。适于多种创作场景，如夫妻...

Vision Search Assistant（VSA）是结合视觉语言模型（VLMs）和网络代理的框架，提升模型对未知视觉内容的理解能力。基于互联网检索，使VLMs处理和回答有关未...

深度学习（Deep Learning）是机器学习的一个子集，本文介绍了什么是深度学习、深度学习的工作原理、深度学习与机器学习的区别、深度学习的开发框架以及深度学...