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。

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。

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。

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。

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。

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。

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。

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。

仅需一次点击，几秒钟内删除图像背景

Remove BG是一个使用AI删除图像背景的在线工具。上传带有清晰主体的照片，需要删除背景，然后单击删除背景按钮。等待几秒钟，即可获得没有背景的图像。Remove BG提供快速、准确、方便的背景去除功能，适用于个人用户、摄影师、设计师等。

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。

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。

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。

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。

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。

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。

Adobe Firefly Image 2是Adobe推出的一款基于人工智能的创意生成工具

Adobe Firefly是Adobe推出的一款基于生成式人工智能的创意工具,可帮助用户通过简单的文字提示快速生成高质量的图像、向量图形和页面模板。该工具可深度集成Adobe全系列创意产品,为用户提供端到端的创意工作流程。Firefly的核心优势有:基于Adobe在创意领域的深厚积累,输出质量和创意控制力顶尖;专门针对商业安全性进行设计和训练,可安心商用;支持数十种语言的文字提示;与Adobe Stock、Adobe Fonts等资源深度集成,创作源源不断。

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。

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。

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。

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。

Temporally Consistent Human Image Animation

MagicAnimate 是一款使用扩散模型实现的时域一致的人体图像动画工具。它可以通过对人体图像进行扩散模型的运算，实现高质量、自然流畅的人体动画效果。MagicAnimate 具有高度的可控性和灵活性，可以通过微调参数来实现不同的动画效果。它适用于人体动画创作、虚拟角色设计等领域。

Aya Vision 32B 是一个支持多语言的视觉语言模型，适用于OCR、图像描述、视觉推理等多种用途。

Aya Vision 32B 是由 Cohere For AI 开发的先进视觉语言模型，拥有 320 亿参数，支持 23 种语言，包括英语、中文、阿拉伯语等。该模型结合了最新的多语言语言模型 Aya Expanse 32B 和 SigLIP2 视觉编码器，通过多模态适配器实现视觉与语言理解的结合。它在视觉语言领域表现出色，能够处理复杂的图像与文本任务，如 OCR、图像描述、视觉推理等。该模型的发布旨在推动多模态研究的普及，其开源权重为全球研究人员提供了强大的工具。该模型遵循 CC-BY-NC 许可证，并需遵守 Cohere For AI 的合理使用政策。

生成独特个性的卡通风格头像

个人头像AI帮助您创建独特个性化的卡通风格头像。这些迷人的头像可以在社交媒体或商务沟通平台上使用，或在任何需要头像的场合使用。通过上传清晰的自拍照，即可生成既可识别又个性化的社交媒体个人头像。

Roblox Foundation Model for 3D Intelligence。

Cube 是一个强大的 3D 智能生成模型，旨在帮助开发者在 Roblox 平台上创建各种 3D 资产和场景。该模型具备生成 3D 对象、角色动画绑定及程序脚本生成等功能。它的出现将极大地提升创作者的生产效率，激发更多的创意，帮助用户以更快的速度构建出丰富的 3D 体验。当前版本已经开放源代码，旨在与研究社区共享，以推进 3D 智能的发展。适用于各种规模的开发者和创作者，支持实验与创新，推动负责任的使用。