Project Icon

labelU

多模态数据标注平台 支持图像视频音频处理

LabelU是一个多模态数据标注平台,提供图像、视频和音频处理工具。支持2D边界框、语义分割、多边形和关键点等图像标注功能,以及视频分割、分类和信息提取。具备音频分析能力,支持AI辅助标注。适用于数据分析和模型训练,提高标注效率和准确性。

DanTagGen-alpha - 高效艺术标签生成工具,支持多种模型格式
DanTagGenGithubHuggingface开源项目数据集标签生成器模型模型架构训练
DanTagGen-alpha是一款基于NanoLLaMA架构的艺术标签生成工具,拥有400M参数,支持通过llama.c和llama-cpp-python进行高效推理,并兼容FP16、量化8位和6位模型格式。该项目采用精细数据过滤和6至12亿标记训练策略,支持多种应用场景。开发中的Gradio UI和API为其他开发者提供了丰富的扩展机会。
VisionLLM - 面向视觉任务的开放式多模态大语言模型
GithubVisionLLM人工智能多模态大语言模型开源项目视觉语言任务计算机视觉
VisionLLM 系列是一种多模态大语言模型,专注于视觉相关任务。该模型利用大语言模型作为开放式解码器,支持数百种视觉语言任务,包括视觉理解、感知和生成。VisionLLM v2 进一步提升了模型的通用性,扩展了其在多模态应用场景中的能力,推动了计算机视觉与自然语言处理的融合。
UniDub - 多语言AI视频配音与创作一站式解决方案
AI工具UniDub人工智能多语言自定义头像视频配音
UniDub平台提供40多种语言的AI视频配音和创作服务,通过三步简单操作即可完成。支持情感表达、风格定制和背景音乐,能高效制作富有表现力的视频内容。除配音外,还可创建动画视频、有声读物及自定义头像和声音。适用于内容创作者、企业和OTT平台的多语言视频本地化需求。
DeepLabCut - 无标记动物姿态估计工具箱
DeepLabCutGithub动物姿态估计开源工具箱开源项目神经科学应用行为追踪
DeepLabCut是一个无标记动物姿态估计工具箱。此工具适用于各类动物行为的分析,并通过TensorFlow和PyTorch加强模型训练功能。它整合了多种新技术,如MobileNetV2s与EfficientNets,有效提升了效率与准确性。项目提供多语种文档与在线课程,方便用户快速掌握实时多动物追踪及三维姿态估计技术。DeepLabCut已应用于多种场合并获得验证,通过社区持续的优化适用于从神经科学到生态研究的广泛领域。
multimodal-maestro - 多模态AI模型控制与高效提示策略框架
AI提示GithubMultimodal-MaestroPython图像处理大型多模态模型开源项目
multimodal-maestro是一个开源框架,旨在增强对大型多模态AI模型的控制能力。该项目提供先进的提示策略,使模型能够执行复杂的视觉理解任务。支持图像标注、掩码生成等功能,并具有简洁的API设计。multimodal-maestro能够充分发挥GPT-4V等多模态模型的潜力,实现更精准的视觉分析和处理。
lang-seg - 语言驱动的零样本语义图像分割模型
CLIPGithubLSeg开源项目计算机视觉语义分割零样本学习
LSeg是一种语言驱动的语义图像分割模型,结合文本编码器和Transformer图像编码器。它能将描述性标签与图像像素对齐,实现高效零样本分割。LSeg在多个数据集上表现出色,无需额外训练即可泛化到新类别。该模型在固定标签集上可与传统算法媲美,为语义分割任务提供了灵活有力的解决方案。
lmms-eval - 大规模多模态模型评估框架加速AI发展
AI基准测试GithubLMMs-eval多模态模型开源项目评估框架
lmms-eval是专为大规模多模态模型(LMMs)设计的评估框架,整合多种基准和数据集,提供一致高效的评估方法。支持图像、视频等多模态任务,简化评估流程,加速模型开发和性能比较。该框架为研究人员提供灵活工具,助力理解和改进LMMs能力,推动人工智能向通用人工智能(AGI)发展。lmms-eval旨在成为加速LMMs发展的重要生态系统组件。
latentbox - AI、创意和艺术领域的精选资源聚合平台
AIGithubLatent Box创意开源项目艺术资源聚合
Latent Box是一个创新资源聚合平台,专注于AI、创意和艺术领域。通过精心筛选和社区共创,该平台致力于缩小信息差距,促进跨界合作,并持续更新高质量内容。Latent Box旨在提供有价值的资源,激发创新灵感,推动多元化学习和探索。
Video-LLaVA-7B - 统一图像和视频处理的多模态AI模型
GithubHuggingfaceVideo-LLaVA多模态模型大语言模型开源项目模型视觉语言处理视频理解
Video-LLaVA是一种新型多模态AI模型,采用对齐后投影方法学习统一视觉表示。该模型能同时处理图像和视频,具备出色的视觉推理能力。即使没有图像-视频配对数据,Video-LLaVA也能实现图像和视频间的有效交互。通过将统一视觉表示与语言特征空间绑定,该模型在多模态学习和各类视觉任务中展现优异性能。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号