Imagga图像识别API是一款强大的计算机视觉人工智能工具,提供图像标记和分类、视觉搜索、内容审核等解决方案,Imagga官网入口网址
Jax 库,计算机视觉研究及更多,Scenic官网入口网址
Google 一款轻量级、高效能的AI模型,专为大规模高频任务设计。Gemini 1.5 Flash官网入口网址
一站式AI工具平台,Onyxium官网入口网址
一种用于生成超详细图像描述的模型,用于训练视觉语言模型。ImageInWords官网入口网址
一种用于图像和文本数据的先进机器学习模型,专注于数据质量和透明度。MetaCLIP官网入口网址
Falcon 2 是一款开源、多语言、多模态的模型,具备图像到文本转换能力。Falcon 2官网入口网址
使用ollama Python客户端与ComfyUI工作流集成的大型语言模型(LLM),ComfyUI Ollama官网入口网址
基于llama3 8B的SOTA视觉模型,llama3v官网入口网址
Google AI辅助下的艺术图像学习游戏,Say What You See官网入口网址
是一款免费在线OCR工具,包含文字识别、表格识别,PDF转文件,文件转PDF、其他格式转换,识别率高,体验好,免费,TextIn Tools官网入口网址
大型多模态模型,处理多图像、视频和3D数据。LLaVA-NeXT官网入口网址
AI图像检测工具,识别篡改照片,TruthPix官网入口网址
图像识别、标注和关键词生成工具,CrossPrism for MacOS官网入口网址
新一代视觉语言模型,更清晰地看世界。Qwen2-VL官网入口网址
一款通过生活场景学习日语的APP。
一个由moondream创建的Hugging Face Space,用于展示注视点相关技术
Kimi 视觉模型可理解图片内容,包括文字、颜色和物体形状等。
通过多样化合成数据和全局到局部自适应感知增强文档布局分析
AI驱动的电子元件分类器,智能组件管理的终极解决方案。
将图像转换成结构化的Markdown文档
通过AI技术将菜单图片转化为单个菜品图片,辅助点餐决策。
先进的多模态大型语言模型系列
基于InternViT-6B-448px-V1-5的增强版视觉模型
端侧全模态理解开源模型
AnyParser Pro 是一款能够快速准确地从 PDF、PPT 和图像中提取内容的大型语言模型。
AI驱动的视觉搜索引擎,探索视觉故事。
浏览器插件,一键翻译网页上的图片文字。
基于人工智能的图像描述生成器
揭示照片背后的故事和隐私信息
视觉语言模型,结合图像和文本信息进行智能处理。
多模态大型语言模型,支持图像和文本理解
总奖金超 233 万!
报名即将截止