定位

1. 首页
2. 定位

YOLO

腾讯AI实验室开发的一个实时目标检测工具，它能够自动识别和定位图像中的各种对象

Ai开源项目 2025年06月05日 47 点赞 0 评论 638 浏览

PC Agent

PC Agent是一款基于人工智能的多功能系统，通过模拟人类认知过程，实现复杂数字任务的自动化处理，包括文档编辑、数据分析、项目管理和客户服务等。它采用多智能体系统架构，结合PC Tracker采集的人机交互数据，利用两阶段认知完成流程生成富含认知信息的轨迹，从而支持高效的决策制定与任务执行。

AI项目与工具 2025年06月12日 28 点赞 0 评论 643 浏览

LongDocURL

LongDocURL是一个由中国科学院自动化研究所和阿里巴巴联合发布的多模态长文档理解基准数据集，包含2,325组问答对，覆盖33,000页文档，涉及20个子任务。该数据集专注于评估AI模型在长文档理解、数值推理、跨元素定位及多样化任务中的性能，支持文本、图像和表格等多种模式，具有高质量和多样性的特点。

AI项目与工具 2025年06月12日 26 点赞 0 评论 650 浏览

MMedAgent

MMedAgent是一款面向医疗领域的多模态AI平台，集成了指令优化的多模态大型语言模型（MLLM）及一系列定制化医疗工具，支持多种医学成像模式（如MRI、CT、X射线等），可高效处理视觉问答、分类、定位、分割、医学报告生成（MRG）及检索增强生成（RAG）等任务，显著提升了医疗数据处理效率与准确性。

AI项目与工具 2025年06月12日 45 点赞 0 评论 657 浏览

ProtGPS

ProtGPS是一款由MIT与怀特黑德生物医学研究所开发的深度学习模型，用于预测蛋白质在细胞内的亚细胞定位。它基于Transformer架构，能准确识别蛋白质在12种不同亚细胞区域的分布，并支持设计特定定位的蛋白质序列。该工具还可分析致病突变对蛋白质定位的影响，为疾病机制研究、蛋白质工程和药物开发提供新思路。

AI项目与工具 2025年06月12日 60 点赞 0 评论 668 浏览

Tarsier

字节跳动推出的一系列大规模视觉语言模型（LVLM），专注于视频理解任务，包括视频描述、问答、视频定位、幻觉测试等功能。

Ai开源项目 2025年06月05日 90 点赞 0 评论 700 浏览

AddressCLIP

AddressCLIP 是一种基于 CLIP 技术的端到端图像地理定位模型，由中科院自动化所与阿里云联合开发。它通过图像与地址文本对齐和地理匹配技术，实现街道级别的精确定位，无需依赖 GPS。模型在多个数据集上表现优异，适用于城市管理、社交媒体、旅游导航等多个场景，具备良好的灵活性和多模态结合潜力。

AI项目与工具 2025年06月12日 30 点赞 0 评论 709 浏览

豆包视觉理解模型

豆包视觉理解模型是一款集视觉识别、理解推理和复杂逻辑计算于一体的先进AI工具。它具备强大的视觉定位能力，支持多目标、小目标和3D定位，并能识别物体的类别、形状、纹理等属性，理解物体间的关系和场景含义。此外，模型在视频理解方面表现出色，能够进行记忆、总结、速度感知和长视频分析。凭借其高效性和成本优势，该模型广泛应用于图片问答、医疗影像分析、教育科研、电商零售及内容审核等领域。

AI项目与工具 2025年06月12日 86 点赞 0 评论 724 浏览

Browser Use

Browser Use是一款基于大语言模型的智能浏览器工具，支持多标签页管理和视觉识别，可提取网页内容并记录操作步骤。它允许开发者自定义动作，如保存文件或推送至数据库，并兼容多种主流LLM模型，具备并行运行和自我修正能力，旨在提升任务执行效率与准确性。

AI项目与工具 2025年06月12日 45 点赞 0 评论 738 浏览

星火文档问答

讯飞星火知识库文档问答，是科大讯飞基于讯飞星火大模型和星火知识库搭建的文档问答服务，能够高效检索文档信息，准确回答专业问题。

Ai办公效率 2026年08月07日 0 点赞 0 评论 739 浏览