TF-ID

开源AI模型助力学术论文表格和图像高效提取

TF-ID是一系列用于从学术论文中提取表格和图像的目标检测模型。项目开源了训练代码、模型权重和标注数据集。TF-ID包含四个版本，分为基础和大型模型，可提取有无标题文本的表格和图像。模型基于Florence-2微调，测试准确率达98.06%。项目提供使用示例和完整训练指南，方便研究者复现和应用。

Github

Huggingface

论文

介绍相关项目

data-to-paper - 涵盖从原始数据到透明且可追溯的科学论文的全过程的AI研究框架

GithubLLMdata-to-paper可追溯性开源项目科研透明性

data-to-paper项目是一个完整的AI驱动研究框架，涵盖从原始数据到透明且可追溯的科学论文的全过程。该项目指导每一步科学研究，包括数据注释、假设生成、文献搜索、数据分析、结果解释和论文撰写。通过引入人类互动，确保手稿的追溯性和科学价值。本平台适用于各种研究领域，支持开放和特定目标的研究模式，并提供用户互动的GUI应用。

trocr-base-handwritten - 基于Transformer架构的高精度手写文本识别模型

GithubHuggingfaceTrOCRTransformer模型光学字符识别图像转文本开源项目手写文本识别模型

TrOCR是一种基于Transformer架构的光学字符识别模型，专为手写文本识别而设计。该模型结合了图像Transformer编码器和文本Transformer解码器，可准确识别单行手写文本图像。经IAM手写数据集微调后，TrOCR适用于多种手写OCR场景，为文本识别研究和应用提供了有力支持。

trocr-large-handwritten - TrOCR：大规模预训练的手写文本识别模型

GithubHuggingfaceIAM数据集TrOCRTransformer模型图像文字识别开源项目手写识别模型

trocr-large-handwritten是一个基于Transformer架构的大规模手写文本OCR模型，在IAM数据集上进行了微调。它由图像编码器和文本解码器组成，能够准确识别单行手写文本图像。该模型具有强大的性能，可用于手写文本数字化和信息提取，为研究人员和开发者提供了高效的OCR解决方案。

STF - 窗口注意力机制推动图像压缩技术进步

CNN模型CompressAIGithubTransformer模型图像压缩开源项目深度学习

STF项目开发了基于窗口注意力的图像压缩方法，在CNN和Transformer架构上均实现突破。该技术在Kodak和CLIC数据集上表现出色，兼顾压缩性能和编解码效率。项目开源了预训练模型、训练评估脚本和OpenImages数据集训练指南，为图像压缩研究提供了全面资源。

deep-learning-for-image-processing - 涵盖使用Pytorch和Tensorflow进行网络结构搭建和训练的介绍深度学习在图像处理中的应用的教程

GithubPytorchTensorflow图像分类图像处理开源项目深度学习

本教程介绍深度学习在图像处理中的应用，涵盖使用Pytorch和Tensorflow进行网络结构搭建和训练。课程内容包括图像分类、目标检测、语义分割、实例分割和关键点检测，适合研究生和深度学习爱好者。所有PPT和源码均可下载，助力学习和研究。

LLaVAR - 优化视觉指令微调的文本丰富图像理解模型

GithubLLaVAROCR能力多模态大语言模型开源项目文本丰富图像理解视觉指令微调

LLaVAR项目致力于增强大型语言模型对文本丰富图像的理解能力。通过改进视觉指令微调方法，该项目显著提升了模型在OCR相关任务上的表现。LLaVAR开源了模型权重、训练数据，并提供了环境配置、训练脚本和评估方法，为相关研究和开发提供了全面支持。

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。

InstantID - 秒级实现身份保持的AI图像生成技术

AI绘图GithubHuggingfaceInstantID人脸识别图像生成开源项目模型深度学习

InstantID是一种无需微调的AI图像生成技术，仅需单张图像即可实现身份保持。该方法支持照片风格转换、表情变化等多种任务，能在保持身份特征的同时快速生成高质量图像。InstantID的开源代码和预训练模型已在GitHub上发布，为研究人员和开发者提供了进一步探索和应用的机会。

awesome-tensorflow - TensorFlow资源大全丰富的开源深度学习工具库

GithubTensorFlow人工智能开源项目机器学习深度学习神经网络

这是一个全面的TensorFlow资源列表,涵盖教程、模型、项目、工具等多个方面。开发者和研究人员可以在此找到丰富的学习和应用资源,从入门到进阶。列表内容包括实验、库、视频、论文等,适合不同层次的TensorFlow使用者。这个资源集为探索TensorFlow的各种可能性提供了便利。

pix2text-mfr - 精确数学公式识别，转换为LaTeX文本

GithubHuggingfaceLaTeXPix2TextTrOCR开源项目数学公式识别模型模型性能

Pix2Text-MFR模型基于TrOCR架构，支持将数学公式图片转化为LaTeX文本，适用于印刷体和手写公式的高效识别。最新版Pix2Text V1.0提升了模型精度，但该模型的使用面仅限于数学公式图片。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com