计算机视觉

1. 首页
2. 计算机视觉

实在智能

实在智能，一款基于AI+RPA技术的智能助理，他可以模拟人类操作和决策流程，来提高工作的效率

Ai编程建站 2026年08月06日 0 点赞 0 评论 1159 浏览

InternVideo2.5

InternVideo2.5是一款由上海人工智能实验室联合多机构开发的视频多模态大模型，具备超长视频处理能力和细粒度时空感知。它支持目标跟踪、分割、视频问答等专业视觉任务，适用于视频检索、编辑、监控及自动驾驶等多个领域。模型通过多阶段训练和高效分布式系统实现高性能与低成本。

AI项目与工具 2025年06月12日 50 点赞 0 评论 1068 浏览

GigaTok

GigaTok 是一款基于语义正则化的高参数视觉分词器，支持自回归图像生成，具备优异的图像重建与生成能力。通过一维架构和非对称扩展策略，实现高效计算与稳定训练。适用于图像生成、编辑、数据增强及多模态应用，具有广泛的技术拓展性。

AI项目与工具 2025年06月11日 74 点赞 0 评论 1042 浏览

Agentic Object Detection

Agentic Object Detection是由吴恩达团队研发的新型目标检测技术，通过智能代理系统实现无需标注数据的目标识别。用户输入文字提示后，AI可精准定位图像中的目标及其属性，支持内在属性、上下文关系及动态状态的识别。该技术无需复杂训练流程，适用于装配验证、作物检测、医疗影像分析、危险物品识别和商品管理等多种场景，显著提升了检测效率和准确性。

AI项目与工具 2025年06月12日 18 点赞 0 评论 995 浏览

SHMT

SHMT是一种基于自监督学习的高级化妆转移技术，由阿里巴巴达摩院与武汉理工大学联合研发。该技术无需成对训练数据，可将多种化妆风格自然迁移到目标面部图像上，通过“解耦-重建”策略和迭代双重对齐模块，实现高精度的纹理控制与对齐校正。适用于图像处理、虚拟试妆、影视设计等多个领域，具有高效、灵活、高质量的特点。

AI项目与工具 2025年06月12日 32 点赞 0 评论 985 浏览

WebDesignAgent

WebDesignAgent是一款基于AI技术的自动化网页设计工具，支持文本到网站、图像到网站等多种输入方式，可生成功能齐全、设计精美的网页。它支持多页面设计、用户自定义及迭代优化，适用于个人博客、企业官网、电商页面等多种场景。通过集成自然语言处理、计算机视觉以及大型语言模型，WebDesignAgent能够智能化地完成从内容理解到网页生成的全过程。

AI项目与工具 2025年06月12日 85 点赞 0 评论 972 浏览

ART

ART（Anonymous Region Transformer）是一种新型多层透明图像生成技术，支持基于全局文本提示和匿名区域布局生成多个独立透明图层（RGBA格式）。通过逐层区域裁剪机制，显著提升生成效率，速度快于传统方法12倍以上。具备高质量自编码器，支持50层以上的图像生成，减少图层冲突。广泛应用于艺术设计、内容创作、广告营销及科研等领域。

AI项目与工具 2025年06月12日 95 点赞 0 评论 967 浏览

CountAnything

CountAnything是一款结合计算机视觉技术的计数工具，用户可通过拍照或上传图片标注样本，实现物品的自动计数。其功能涵盖工业、农业、物流及建筑等多个应用场景，支持历史数据保存、结果定制等功能，帮助用户提升工作效率与准确性。

AI项目与工具 2025年06月12日 80 点赞 0 评论 964 浏览

书生·浦像

书生·浦像是由多家科研机构联合开发的超高动态成像算法，核心为浦像HDR（UltraFusion HDR）。它结合AIGC与HDR技术，在极端光照条件下实现图像细节修复和高质量输出，有效解决动态场景中的运动伪影问题。适用于摄影、手机成像和自动驾驶等领域，具有多曝光融合、动态处理、色调映射等功能，提升了图像的鲁棒性与真实感。

AI项目与工具 2025年06月12日 56 点赞 0 评论 963 浏览

Etna模型

一个文字转视频的AIGC模型，Etna能够根据简短的文本描述生成相应的视频内容，支持生成时长为8-15秒的视频，且视频流畅度极高，每秒可达60帧。

Ai视频生成 2025年06月05日 28 点赞 0 评论 963 浏览