Project Icon

parseq

创新的场景文本识别统一模型

PARSeq是一种创新的场景文本识别模型,采用置换自回归序列方法,实现了上下文无关和上下文感知推理及迭代预测细化。该模型统一了现有STR解码方法,无需独立语言模型,在多个基准数据集上展现出优异性能,同时保持较低计算成本。PARSeq支持灵活的字符集训练和多种评估配置,为OCR应用提供了高效而强大的解决方案。

PaddleSeg - 高性能端到端图像分割工具套件,支持从训练到部署
AI套件GithubPaddleSegPaddleX图像分割开源项目飞桨
PaddleSeg是一款基于飞桨PaddlePaddle的图像分割套件,内含超过45种模型算法和140多个预训练模型,支持语义分割、交互式分割、Matting及全景分割。应用场景广泛,包括医疗、工业、遥感等。具备高精度、高性能、模块化以及全流程特性,兼容多个操作系统如Linux、Windows、MacOS,适用于多种硬件的训练和部署。
pix2struct-large - 融合图像和文本的开创性AI预训练模型
GithubHuggingfacePix2Struct图像到文本模型多任务学习开源项目模型视觉语言理解预训练
Pix2Struct是一款突破性的图像到文本预训练模型,专注于视觉语言理解。其独特之处在于通过解析网页截图为简化HTML进行预训练,有效整合了OCR、语言建模和图像描述等关键技术。在文档、插图、用户界面和自然图像四大领域的九项任务评估中,Pix2Struct在六项中表现卓越,展现了其强大的通用性。这一创新模型为视觉语言相关任务奠定了坚实基础,可通过微调适应多样化的应用场景。
RapidOCR - 开源多语言OCR工具 支持跨平台快速部署
GithubONNXRapidOCR多平台多语言开源OCR开源项目
RapidOCR是一个开源的多平台、多语言OCR工具,具有高速识别和广泛兼容性。该工具支持快速离线部署,采用ONNXRuntime推理引擎,识别速度显著优于PaddlePaddle引擎。RapidOCR内置中英文识别功能,同时支持其他语言的自定义转换。基于深度学习技术,RapidOCR注重轻量化设计和高效性能,适用于快速OCR部署和定制化需求场景。
PixelLM - 像素级推理与理解的大型多模态模型
GithubMUSE数据集PixelLM像素级推理图像分割多模态大模型开源项目
PixelLM是一种创新的大型多模态模型,专注于像素级推理和理解。它能处理开放集目标和复杂推理任务,同时保持LMM的基本结构。通过轻量级像素解码器和分割码本,PixelLM实现高效mask生成。项目同时推出MUSE数据集,为多目标推理分割研究提供高质量基准。在多个基准测试中,PixelLM展现出优越性能。
llmsherpa - PDF智能解析与大语言模型应用框架
GithubLLM SherpaLayoutPDFReaderPDF解析向量搜索开源项目文档结构分析
LLM Sherpa是一个开源项目,提供LayoutPDFReader工具用于智能解析PDF文档结构,包括章节、段落和表格。该工具支持精确分块并保留上下文信息,适用于向量搜索和生成式AI应用。项目提供API接口,便于集成到各类大语言模型应用中,如问答系统和文本摘要。LLM Sherpa简化了PDF处理流程,为开发者提供了高效的大语言模型应用开发框架。
OmniParser - 将界面截图转化为易于理解元素的智能工具
GPT-4VGithubOmniParser交互区域检测图标功能描述开源项目界面解析
本项目将用户界面截图解析为结构化元素,提升GPT-4V的操作准确性。近期发布的交互区域检测和图标功能描述模型,在Windows Agent Arena中表现卓越。项目易于安装并支持在Gradio中演示使用案例。如需更多详情,请参见项目主页。
Qwen2-VL-72B-Instruct-GPTQ-Int8 - 改进视觉和文本处理能力的多模态模型
GithubHuggingfaceQwen2-VL多模态多语言支持开源项目模型视觉理解视频分析
本项目是一个多模态视觉语言模型,具有高效的图像理解和多语言支持。它能够处理超过20分钟的视频内容,并可整合到移动设备和机器人中进行自动化操作。通过应用动态分辨率处理和多模态旋转位置嵌入,该模型提升了视觉处理能力。此外,项目还提供了便于快速部署的工具包,助力处理各类视觉任务。
SceneGraphParser - Python工具包,用于解析自然语言句子生成场景图
GithubSceneGraphParserspaCy依赖解析图像表示开源项目自然语言处理
SceneGraphParser基于依存解析,通过纯Python实现,将自然语言句子解析为场景图。图中的节点为名词(包含修饰词如限定词或形容词),边为名词之间的关系。与斯坦福场景图解析器不同,SceneGraphParser具有易用的用户界面和易配置的设计。目前仅支持spaCy作为后台。工具提供了简单的`parse`函数调用和表格式结果展示,便于集成到任何基于Python的项目中。项目正在开发中,所有API可能会有变动,欢迎提交问题或提供帮助。
parser - 结构化预测和自然语言处理的Python工具包
GithubSuPar句法分析开源项目结构化预测自然语言处理语义分析
SuPar是一个专注于结构化预测的Python库,实现了多种先进的句法和语义解析器。支持依存句法分析、成分句法分析和语义依存分析等任务,提供超过19种语言的预训练模型。此外,SuPar还包含多种经典结构化预测算法的高效实现。该库支持GPU加速,设计简洁易用,适用于自然语言处理研究和生产应用。
parse-server - 灵活可扩展的开源后端服务框架
GithubNode.jsParse Server后端开源开源项目数据库
Parse Server是一个开源后端框架,适用于Node.js环境。它可与Express框架配合,用于扩展现有应用或独立部署。该框架支持MongoDB和PostgreSQL数据库,提供实时查询和GraphQL API功能,有助于开发可扩展的后端服务。
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