产品库

对HandRefiner模型进行剪枝压缩后的fp16版本

ControlNet-HandRefiner-pruned模型是对HandRefiner模型进行剪枝压缩处理后的fp16版本,可以更快速地进行手部图像修复。该模型采用弥散模型进行条件性图像补全,可以精确修复手部图像中的缺失或畸形部分。该模型压缩率高,inference速度快,非常适合在资源受限的环境下,仍然进行高质量手部图像修复。

Plug and Play AI APIs for Computer Vision

GreenEyes.AI是一个构建计算机视觉API和产品的数字技术公司。我们提供Plug and Play的AI API和SaaS产品，帮助用户轻松实现图像识别和对象标注等高级机器视觉任务。我们的产品具有低碳足迹、可扩展性强的特点，并致力于构建可持续发展的未来。定价和定位请查看官网。

Adobe Firefly Image 3 Model，带来照片般逼真的图像生成技术，提升创意表达。

Adobe Firefly Image 3 Model 是 Adobe 公司推出的最新图像生成模型，它在照片般逼真的质量、风格化能力、细节和准确性以及多样性上都有显著提升。该模型自2023年3月首次发布以来，已经在全球生成超过70亿张图片，并且已经集成到 Adobe Photoshop、Adobe Express、Adobe Illustrator 和 Adobe Substance 3D 等日常使用的 Adobe 工作流程中。Adobe 致力于负责任地开发生成式人工智能，并与全球联盟 Content Authenticity Initiative (CAI) 合作，以促进数字内容的透明度。

Model Context Protocol的参考实现和社区贡献的服务器集合

Model Context Protocol Servers是一个展示Model Context Protocol（MCP）多功能性和可扩展性的项目。它提供了一组参考实现和社区贡献的服务器，这些服务器展示了如何利用MCP为大型语言模型（LLMs）提供安全、受控的工具和数据源访问。每个MCP服务器都是使用Typescript MCP SDK或Python MCP SDK实现的。该项目由Anthropic管理，并且与社区共同构建，是开源的，鼓励大家贡献自己的服务器和改进。

Microsoft Copilot Vision，全新的浏览体验

Copilot Vision 是微软推出的一款基于人工智能技术的浏览器辅助工具，它通过理解用户在线活动的全部上下文，提供个性化的帮助和建议。这项技术允许Copilot在用户允许的情况下，看到用户所在的页面，并与用户一起“阅读”内容，共同解决问题。Copilot Vision 只在Microsoft Edge浏览器中提供，它位于浏览器底部，用户可以随时请求帮助。Copilot Vision 的推出，标志着AI技术在提升用户浏览体验和信息处理能力方面迈出了重要一步。

高效CPU本地离线LaTeX识别工具

MixTeX是一个创新的多模态LaTeX识别小程序，由团队独立开发，能够在本地离线环境中执行高效的基于CPU的推理。无论是LaTeX公式、表格还是混合文本，MixTeX都能轻松识别，支持中英文处理。得益于强大的技术支持和优化设计，MixTeX无需GPU资源即可高效运行，适合任何Windows电脑，极大地方便了用户体验。

借助 AutoML Vision 从图像中发掘有价值的信息、利用预训练的 Vision API 模型，或使用 Vertex AI Vision 创建计算机视觉应用

Vision AI 提供了三种计算机视觉产品，包括 Vertex AI Vision、自定义机器学习模型和 Vision API。您可以使用这些产品从图像中提取有价值的信息，进行图像分类和搜索，并创建各种计算机视觉应用。Vision AI 提供简单易用的界面和功能强大的预训练模型，满足不同用户需求。

AI Vision for instant visual analysis

Chooch AI Vision Platform是一款AI视觉平台，通过AI算法实现对图像和视频的实时分析和识别。该平台可帮助企业快速检测和分析成千上万种视觉对象、图像或动作，并在图像被识别出时立即采取行动。具有高度精确和高效的操作，能够提升业务运营性能。Chooch AI Vision Platform提供多种预训练的AI模型，可快速部署并支持在云端或边缘设备上使用。定价根据具体需求定制。

由GPT - Image - 1.5驱动，快速生成和编辑AI图像，适用于多场景。

GPT2Image是一个由GPT - Image - 1.5驱动的AI图像生成与编辑网站。GPT - Image - 1.5是OpenAI最新旗舰图像生成模型，旨在取代DALL - E 3并与行业领先的文本到图像模型竞争。该产品定位为赋能电商、营销团队和创意专业人士，实现专业品质、品牌一致性和高效生产。其优点在于生成速度快，能显著提升创作迭代效率；可自动保留品牌标识、产品特征和角色身份，确保品牌一致性；还能快速生成多种场景变体，降低拍摄成本。产品提供免费使用，无需信用卡即可体验快速生成。

无需代码或训练数据即可建立强大的计算机视觉模型

DirectAI是一个基于大型语言模型和零样本学习的平台，可以根据您的描述即时构建适合您需求的模型，无需训练数据。您可以在几秒钟内部署和迭代模型，省去了组装训练数据、标记数据、训练模型和微调模型的时间和费用。DirectAI在纽约市总部，并获得了风投支持，正在改变人们在现实世界中使用人工智能的方式。

Nano banana pro可即时生成和编辑图像，集文本转图像与图像编辑于一体。

Nano banana pro是一款独立的AI图像生成工具，不与谷歌等AI模型提供商关联，通过自定义界面提供AI模型访问。它的主要优点包括生成速度快、能保持角色一致性、图像融合无缝，适用于创作者和营销人员。免费版提供HD输出，付费计划有更高分辨率等更多功能。用户注册后可获得免费额度，无需信用卡，仅在生成成功后扣除额度，失败不扣费。

Vision Arena是一个面向计算机视觉领域的开源模型测试平台

Vision Arena是一个由Hugging Face创建的开源平台,用于测试和比较不同的计算机视觉模型效果。它提供了一个友好的界面,允许用户上传图片并通过不同模型处理,从而直观地对比结果质量。平台预装了主流的图像分类、对象检测、语义分割等模型,也支持自定义模型。关键优势是开源免费,使用简单,支持多模型并行测试,有利于模型效果评估和选择。适用于计算机视觉研发人员、算法工程师等角色,可以加速计算机视觉模型的实验和调优。

基于Meta的SAM 3D模型，可秒将单张图像转换成高质量3D模型。

SAM 3D是一款在线工具，基于Meta的SAM 3D研究模型，可将单张图像快速转换为高质量的3D模型。其重要性在于打破了传统摄影测量和仅使用合成数据训练的限制，为3D重建带来了语义理解。主要优点包括在复杂真实场景下的高鲁棒性、快速推理、支持标准3D格式导出等。产品背景是Meta在计算机视觉领域的研究成果，页面未提及价格信息，定位是为用户提供便捷的3D重建服务。

用于评估Windows PC或Apple Mac上AI推理引擎性能的基准测试工具。

Procyon AI Computer Vision Benchmark是由UL Solutions开发的一款专业基准测试工具，旨在帮助用户评估不同AI推理引擎在Windows PC或Apple Mac上的性能表现。该工具通过执行一系列基于常见机器视觉任务的测试，利用多种先进的神经网络模型，为工程团队提供独立、标准化的评估手段，以便他们了解AI推理引擎的实施质量和专用硬件的性能。产品支持多种主流的AI推理引擎，如NVIDIA® TensorRT™、Intel® OpenVINO™等，并可比较浮点和整数优化模型的性能。其主要优点包括易于安装和运行、无需复杂配置、可导出详细结果文件等。产品定位为专业用户，如硬件制造商、软件开发者和科研人员，以助力他们在AI领域的研发和优化工作。

开源计算机视觉库

OpenCV是一个跨平台的开源计算机视觉和机器学习软件库，它提供了一系列编程功能，包括但不限于图像处理、视频分析、特征检测、机器学习等。该库广泛应用于学术研究和商业项目中，因其强大的功能和灵活性而受到开发者的青睐。

使用Apple Vision Pro实现人形机器人Unitree H1_2的遥控操作。

这是一个开源项目，用于实现人形机器人Unitree H1_2的遥控操作。它利用了Apple Vision Pro技术，允许用户通过虚拟现实环境来控制机器人。该项目在Ubuntu 20.04和Ubuntu 22.04上进行了测试，并且提供了详细的安装和配置指南。该技术的主要优点包括能够提供沉浸式的遥控体验，并且支持在模拟环境中进行测试，为机器人遥控领域提供了新的解决方案。

自动翻译漫画的桌面应用

Comic Translate 是一个桌面应用程序，旨在自动翻译各种格式的漫画，包括BD、Manga、Manhwa、Fumetti等，支持多种语言。它利用了GPT-4的强大翻译能力，特别适用于翻译那些其他翻译器难以准确翻译的语言对，如韩语、日语到英语的翻译。该应用支持多种文件格式，如图像、PDF、Epub、cbr、cbz等，为用户提供了一种便捷的方式来享受不同语言的漫画内容。

利用视觉语言模型的文档检索系统

vision-is-all-you-need是一个展示Vision RAG (V-RAG)架构的演示项目。V-RAG架构使用视觉语言模型(VLM)直接将PDF文件页面（或其他文档）嵌入为向量，无需繁琐的分块处理。该技术的重要性在于它能够大幅提高文档检索的效率和准确性，特别是在处理大量数据时。产品背景信息显示，这是一个利用最新人工智能技术，提高文档处理能力的创新工具。目前，该项目是开源的，可以免费使用。

Aya Vision 是 Cohere 推出的多语言多模态视觉模型，旨在提升多语言场景下的视觉和文本理解能力。

Aya Vision 是 Cohere For AI 团队开发的先进视觉模型，专注于多语言多模态任务，支持 23 种语言。该模型通过创新的算法突破，如合成标注、多语言数据扩展和多模态模型融合，显著提升了视觉和文本任务的性能。其主要优点包括高效性（在计算资源有限的情况下仍能表现出色）和广泛的多语言支持。Aya Vision 的发布旨在推动多语言多模态研究的前沿发展，并为全球研究社区提供技术支持。

利用 DALL-E 3 和 GPT-4 Vision 生成一系列图像

Image Recursor是一个基于 DALL-E 3 和 GPT-4 Vision 的图像生成工具。它通过输入一个起始图像和一些参数，可以生成一系列经过修改的图像。用户可以自定义生成的图像风格，例如恐怖、随机、神秘、强烈、有趣等。图像递归生成器可以用于创造艺术作品、设计概念图、玩具设计等多种场景。

GPT-4 Vision AI的无代码聊天机器人构建器

GPT4 Vision Chatbot是一款基于GPT-4 Vision AI的无代码聊天机器人构建器。用户可以通过Google或Github账号登录，快速创建自己的聊天机器人。该产品具有强大的AI能力，能够智能识别视觉内容，并进行自然语言交互。定位于帮助用户快速构建智能聊天机器人，提升用户体验。

Z-Image Turbo是高效AI图像生成模型，秒速生成高质量图像。

Z-Image Turbo是一款先进的AI图像生成模型，其重要性在于为创作者和开发者提供了强大的图像生成能力。它的主要优点包括闪电般的速度、高质量的输出和高度的通用性。该模型经过优化的架构设计，在不牺牲质量的前提下实现了极快的图像生成速度，能满足实时创作需求，让创意流程更加顺畅。其先进的AI技术可生成清晰、详细且逼真的图像，达到专业级水准。从概念艺术到营销材料，它能够适应各种创意需求，让用户轻松探索无限的风格、主题和艺术方向。新用户注册可获得25个免费积分（约可生成2个视频），定位为面向广大创作者和开发者的AI图像生成工具。

利用Claude 3.5 Sonnet Vision API进行图像中物体检测和可视化的强大Python工具

Claude Vision Object Detection是一个基于Python的工具，它利用Claude 3.5 Sonnet Vision API来检测图像中的物体并进行可视化。该工具能够自动在检测到的物体周围绘制边界框，对它们进行标记，并显示置信度分数。它支持处理单张图片或整个目录中的图片，并且具有高精度的置信度分数，为每个检测到的物体使用鲜艳且不同的颜色。此外，它还能保存带有检测结果的注释图片。

GPT Image 1.5 提供精准图像编辑，保持重要元素不变。

GPT Image 1.5 是一个先进的图像编辑平台，结合了人工智能技术，能够快速且精准地处理图像编辑请求。它保留了图像的原始特征和氛围，使得用户在进行修改时仍能保持一致性和专业性。该产品适合设计师、市场营销人员等需要快速、高质量图像输出的专业团队。GPT Image 1.5 提供免费使用，并支持高达 4K 的图像导出，便于各种项目需求。

Portal by 20Vision是一个免费AI设计工具，可在几秒钟内转换图像和视频。

Portal by 20Vision是一个免费AI平台，可在几秒钟内转换图像和视频，无需注册。适用于营销、设计、建筑、时尚、游戏、电子商务等领域。主要优点包括快速转换、社区分享和适用于多个行业。

Qwen Image是阿里巴巴的免费开源AI图像生成器，擅长在图像中进行文本渲染。

Qwen Image是阿里巴巴推出的免费AI图像生成器，专注于在图像中准确渲染文本，适用于营销人员和内容创作者。它通过生成营销素材、社交媒体内容和多语言视觉图像，准确放置文本，为用户提供高效的营销工具。

SVD 1.1 Image-to-Video 模型生成短视频

Stable Video Diffusion (SVD) 1.1 Image-to-Video 是一个扩散模型，通过将静止图像作为条件帧，生成相应的视频。该模型是一个潜在扩散模型，经过训练，能够从图像生成短视频片段。在分辨率为 1024x576 的情况下，该模型训练生成 25 帧视频，其训练基于相同大小的上下文帧，并从 SVD Image-to-Video [25 frames] 进行了微调。微调时，固定了6FPS和Motion Bucket Id 127的条件，以提高输出的一致性，而无需调整超参数。

强大的AI图像编辑平台，用GPT - Image - 2技术生成、编辑和增强专业图像。

GPT Image 2是一款强大的AI图像编辑平台，依托先进的GPT - Image - 2技术。其重要性在于为用户提供了便捷、高效且高质量的图像创作和编辑解决方案。主要优点包括能够快速将文本描述转化为高质量图像，支持多种艺术风格，具备智能编辑和风格迁移等功能，还提供背景处理工具。产品背景是在AI技术不断发展的背景下，满足创作者对高效图像创作的需求。该产品提供免费试用，定位为面向全球创意团队、设计师、营销人员和内容创作者等专业人士以及个人创作者的图像创作和编辑平台。

自然语言计算的无限画布

tldraw computer是一个实验性项目，由tldraw团队开发，旨在提供一个无限的画布，用户可以在上面创建连接组件的工作流，以生成和转换数据。该产品使用多模态语言模型作为运行时来执行指令，代表了自然语言处理和工作流自动化的前沿技术。它的重要性在于能够简化复杂任务，提高工作效率，并促进创新。tldraw computer背景深厚，由tldraw SDK的开发者打造，该SDK用于无限画布应用，并且与流行的免费协作白板tldraw.com相关联。产品目前免费试用，主要面向需要数据生成和工作流自动化的专业人士和企业。