Project Icon

TF-ID-large-no-caption

学术文献中图表精准识别工具

TF-ID项目专注于精准提取学术论文中的表格和图形,由高效的TF-ID-large-no-caption版本支持。该项目来自Yifei Hu,基于Hugging Face的Florence-2,具备97%以上的识别准确率。适合需要处理大量学术图表的研究工作者。

layoutlmv3-large - 统一文本和图像掩码的文档AI预训练模型
GithubHuggingfaceLayoutLMv3Transformer多模态模型开源项目文档AI模型预训练
LayoutLMv3是一种用于文档AI的多模态Transformer模型,由Microsoft Document AI项目开发。该模型采用统一的文本和图像掩码预训练方法,架构简单且通用。LayoutLMv3可应用于表单理解、收据识别、文档视觉问答等文本相关任务,以及文档图像分类和布局分析等图像相关任务。这种灵活性使其成为文档AI领域的通用预训练模型,为多种文档处理任务提供了有力支持。
Depth-Anything-V2-Large-hf - 高效精准的单目深度估计AI模型
Depth Anything V2GithubHuggingface图像处理开源项目模型深度估计神经网络计算机视觉
Depth-Anything-V2-Large-hf是一个基于DPT架构和DINOv2骨干网络的单目深度估计模型。通过大规模合成和真实图像训练,该模型在深度估计精度和效率上取得了显著进展。它提供更细腻的深度细节,具有更强的鲁棒性,同时比基于稳定扩散的模型效率提高10倍。作为计算机视觉领域的有力工具,该模型可应用于零样本深度估计等多种任务。
InternImage - 突破大规模视觉基础模型性能极限
GithubInternImage图像分类大规模视觉模型开源项目目标检测语义分割
InternImage是一款采用可变形卷积技术的大规模视觉基础模型。它在ImageNet分类任务上实现90.1%的Top1准确率,创下开源模型新纪录。在COCO目标检测基准测试中,InternImage达到65.5 mAP,成为唯一突破65.0 mAP的模型。此外,该模型在涵盖分类、检测和分割等任务的16个重要视觉基准数据集上均展现出卓越性能,树立了多个领域的新标杆。
florence2-finetuning - 视觉语言模型的高效微调实现
Florence-2Github分布式训练开源项目微调微软视觉语言模型
本项目展示了Florence-2模型的微调方法。Florence-2是一个基础视觉语言模型,特点是模型小且性能强。项目包含模型安装、数据准备和代码修改说明,并提供单GPU及分布式训练脚本。这些工具可用于Florence-2的特定任务训练,适用于各种计算机视觉和视觉语言任务。
tflearn - 深度学习库,简化TensorFlow高阶API的使用
GithubTFLearnTensorFlow开源项目深度学习神经网络高层API
TFLearn是一个模块化且透明的深度学习库,基于TensorFlow构建,提供高阶API以加速实验。特点包括易用的高阶API、快速原型设计、完全透明的TensorFlow集成、强大的训练辅助功能和精美的图形可视化。支持最新的深度学习模型,兼容TensorFlow v2.0及以上版本。
Imagen - 文字生成图片的AI技术
AI工具AI开发COCO FIDImagen扩散模型文本到图像模型训练热门语言模型
Imagen,一种先进的AI图片生成工具,利用深度语言理解和极致的图像真实性,实现从文字到图像的转换。此模型不仅在COCO数据集上刷新了技术记录,还通过高效的U-Net架构和强大的文本编码系统,优化了图文一致性和图像质量。鉴于潜在的社会影响和数据集偏差问题,当前未开放源代码或公共演示版本。
COCOtiFaMix_v2 - AI驱动的动漫风格图像生成模型
GithubHuggingfaceStable Diffusion二次元风格人工智能绘图动漫角色开源项目文本生成图像模型
COCOtiFaMix_v2是一个基于Stable Diffusion的开源AI模型,专注于生成动漫风格图像。该模型可根据文本提示创建详细的插画,擅长呈现人物、服饰和场景元素。它支持多种视觉效果,如雨天、彩虹和花卉,适用于插画设计和游戏美术等领域。作为一个文本到图像的生成工具,COCOtiFaMix_v2为数字艺术创作提供了新的可能性。
layoutlm-base-uncased - LayoutLM模型融合文本布局图像信息提升文档AI效能
GithubHuggingfaceLayoutLM开源项目文本布局文档AI文档理解模型预训练模型
LayoutLM是一种文档AI预训练模型,结合文本、布局和图像信息,提升文档图像理解和信息提取能力。该模型在表单和收据理解等任务中表现优异。LayoutLM-base-uncased版本采用12层结构,768维隐藏层,12个注意力头,共113M参数,经1100万份文档2轮训练。这一模型为文档AI领域带来突破,提高了复杂文档处理效率。
awesome-ocr - 综合OCR工具和技术资源库
GithubOCR图像处理开源项目文本检测文档分析深度学习
该项目整合了OCR领域的多种前沿工具和技术,涵盖图像校正、文本检测、表格识别和手写识别等方面。它提供了从预处理到后处理的完整OCR解决方案,包含大量开源实现和相关研究论文链接。这个资源库对从事文档分析和文本提取的开发者及研究人员具有重要参考价值。
graphologue - 实时可视化大型语言模型响应,提升信息获取与理解
GithubGraphologueLLMOpenAI APIUIST 2023交互图表开源项目
Graphologue将大型语言模型(如GPT-4)的文本响应实时转化为互动图表,使用创新提示和界面设计便于提取实体和关系,支持复杂信息任务。用户可以调整图示和提交上下文提示,促进与LLM的非线性对话,增强信息探索和组织能力。
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