产品库

SceneScript：通过Reality Labs研究实现3D场景重建

SceneScript是Reality Labs研究团队开发的一种新型3D场景重建技术。该技术利用AI来理解和重建复杂的3D场景，能够从单张图片中创建详细的3D模型。SceneScript通过结合多种先进的深度学习技术，如半监督学习、自监督学习和多模态学习，显著提高了3D重建的准确性和效率。

AI代码查找器，快速找到AI论文的代码实现

AI Code Finder是一个免费的浏览器插件，可以快速找到任何AI研究论文的代码实现。它能够自动在Google、ArXiv、学术搜索引擎、论坛等网站上找到与论文相关的代码链接，并提供CODE按钮供用户点击跳转到开源代码实现。用户还可以创建提醒以获取最新的代码实现、作者的最新工作和最新进展。此插件适用于从事人工智能、数据科学、计算机视觉、语音识别、深度学习和大型语言模型等领域的工程师、研究人员、开发人员和技术领导者。

鹿班是一款智能设计工具,可快速生成商品主图等。

鹿班是一款基于人工智能技术的智能设计工具,可根据商品图片和设计模板自动生成商品主图、钻展图、旺铺海报等营销图片。它利用计算机视觉和深度学习技术,能快速理解图像内容并生成设计作品。鹿班大大提高了设计效率,满足电商营销设计图制作的高强度需求,同时生成的设计作品质量也有保证。鹿班同时支持在线协作,企业客户可以上传自有设计模板,供分布式团队远程协作使用。这款工具主要面向电商、品牌营销等领域,提供便捷高效的设计即服务能力。

华为开源自研AI框架

华为开源自研AI框架MindSpore。自动微分、并行加持，一次训练，可多场景部署。支持端边云全场景的深度学习训练推理框架，主要应用于计算机视觉、自然语言处理等AI领域，面向数据科学家、算法工程师等人群。主要具备基于源码转换的通用自动微分、自动实现分布式并行训练、数据处理、以及图执行引擎等功能特性。借助自动微分，轻松训练神经网络。框架开源，华为培育AI开发生态。

无需相机校准信息的密集立体3D重建

DUSt3R是一种新颖的密集和无约束立体3D重建方法，适用于任意图像集合。它不需要事先了解相机校准或视点姿态信息，通过将成对重建问题视为点图的回归，放宽了传统投影相机模型的严格约束。DUSt3R提供了一种统一的单目和双目重建方法，并在多图像情况下提出了一种简单有效的全局对齐策略。基于标准的Transformer编码器和解码器构建网络架构，利用强大的预训练模型。DUSt3R直接提供场景的3D模型和深度信息，并且可以从中恢复像素匹配、相对和绝对相机信息。

ComfyUI 3D处理插件包

ComfyUI-3D-Pack是一个强大的3D处理插件集合,它为ComfyUI提供了处理3D模型(网格、纹理等)的能力,集成了各种前沿3D重建和渲染算法,如3D高斯采样、NeRF不同iable渲染等,可以实现单视角图像快速重建3D高斯模型,并可转换为三角网格模型,同时还提供了交互式3D可视化界面。

探索YouTube上最新的机器学习/人工智能课程

ML-YouTube-Courses是一个开源项目,致力于整理和索引YouTube上最新的、最好的机器学习课程。项目包含各种主题的课程,如机器学习、深度学习、自然语言处理、计算机视觉等,涵盖基础知识和前沿技术。该项目帮助开发者和学习者高效地发现优质的在线教程。

企业AI SaaS平台

ALFI是一款由人工智能驱动的企业SaaS平台，采用计算机视觉、机器学习、深度学习和边缘计算技术。它提供了广告定向、实时观众分析和个性化内容交付等功能。ALFI的独特网络将人工智能屏幕安装在Uber和Lyft等共乘服务中，实现数字户外广告的精准定向和个性化交付。它通过计算机视觉技术实时匹配受众与相关广告，并在符合隐私规范的过程中进行内容投放。ALFI的目标是为品牌提供更精准的广告投放，为企业提供实时观众分析和定制化内容交付。

ReconFusion: 3D重建与扩散先验

ReconFusion是一种3D重建方法，利用扩散先验在只有少量照片的情况下重建真实世界场景。它结合Neural Radiance Fields（NeRFs）和扩散先验，能够在新的摄像机位置超出输入图像集合的情况下，合成逼真的几何和纹理。该方法通过在少量视图和多视图数据集上训练扩散先验，能够在不受约束的区域合成逼真的几何和纹理，同时保留观察区域的外观。ReconFusion在各种真实世界数据集上进行了广泛评估，包括前向和360度场景，展示出明显的性能改进。

用面部数据分析并连接用户的完美匹配

SciMatch是一款独特的面部匹配约会应用程序。我们利用强大的深度学习计算机视觉算法开发了这款真正的独角兽约会应用程序。我们的应用程序能够准确读取每个用户的面部数据，分析其个性特点，并将其与他们的完美匹配连接起来。SciMatch不仅仅是一个简单的比较两张脸的应用程序，它还能识别您的独特之处，利用面部数据展示您与其他用户的兼容性。

自动微分、并行加持，一次训练，可多场景部署

昇思MindSpore 是华为开源自研的 AI 框架，支持端边云全场景的深度学习训练推理，应用于计算机视觉、自然语言处理等 AI 领域。具备基于源码转换的通用自动微分、自动实现分布式并行训练、数据处理和图执行引擎等功能。框架开源，适用于数据科学家和算法工程师。

TikTok验证码解决API

SadCaptcha是一个解决TikTok验证码的插件，它可以快速、准确地解决TikTok的旋转、拼图和3D形状验证码。它使用先进的计算机视觉算法，能够高效解决验证码，并且适用于任何设备和屏幕分辨率。

智能一键抠图、高清、修复、转卡通

图可丽利用人工智能和计算机视觉的力量，提供各种产品，使生活更容易，工作更富有成效。提供一键抠图、视频抠图、照片动漫化等功能，满足不同用户需求。

将您的照片变为生动的3D角色，并使用Mug Me，Emojimation和Pose Controls创建有趣的生动表情。

Mug Life通过将计算机图形学专业知识与最新的计算机视觉技术相结合，创造出令人惊叹的3D角色。其技术分为三个阶段：拆解、动画和重构，结合社交平台，让用户能够连接和分享创作。

大语言模型驱动的AI饮食记录员，智能识别、营养分析、个性化推荐。

胃之书 AI是一款利用大语言模型驱动的饮食记录应用，通过先进的计算机视觉技术实现食物图像识别、营养分析和个性化推荐。用户可探索食物文化故事，增加饮食趣味性。

下一代电动Atlas机器人

Atlas是波士顿动力公司开发的一款先进的人形机器人，它结合了数十年的研究和实际经验，旨在解决当今工业领域中最艰巨的挑战。新一代的Atlas机器人是全电动的，比以往的液压版本更强大，动作范围更广，能够更高效地完成各种任务。Atlas机器人配备了新的AI和机器学习工具，如强化学习和计算机视觉，以确保它们能够适应复杂的现实世界情况。此外，Atlas将与波士顿动力公司的Orbit™软件集成，该软件提供了一个集中的平台来管理整个机器人车队、站点地图和数字化转型数据。

建立未来无法实现的业务自动化

Open Agent Studio是一个无需编写易碎代码选择器或计算机视觉，就能够使用简单的英语来建立以前无法实现的业务自动化的新一代RPA工具。我们引入了强大的新RPA概念，例如“语义目标”，以简单的语言来创建比之前一代易碎代码选择器更稳健且易于使用的代理程序。用户可以使用Agent Recorder记录点击、鼠标移动和键盘输入，以便快速构建和编辑代理程序。Open Agent Studio是一个独特的无代码合作伙伴构建工具，为用户提供了一种在其他所有RPA工具中都无法实现的解决方案。

基于AI的虚拟人物创作平台

DreamWorld AI 是一家人工智能和计算机视觉研究开发公司,专注于构建下一代AI驱动的数字人类。 该公司的专有AI模型和算法允许用户仅使用一个单镜头设备就能创建、动画和实时表演各种风格的全身数字人物,无需套装、标记或特殊设备。该平台为创作者提供了一个全栈的AI驱动虚拟制作工作站,使创作者能够轻松制作高质量的虚拟人物内容。

Jax 库，计算机视觉研究及更多

Scenic 是一个专注于基于注意力模型的计算机视觉研究的代码库，提供优化训练和评估循环、基线模型等功能，适用于图像、视频、音频等多模态数据。提供 SOTA 模型和基线，支持快速原型设计，价格免费。

AI学习与实践社区,助力每个人实现AI梦想

Datawhale是一个AI学习与实践社区,提供系统的AI学习路线、源码级教程以及竞赛实践等资源。旨在帮助每一个愿意学习和探索的人掌握AI技能,共同塑造数据驱动的世界。网站涵盖数据分析、计算机视觉、自然语言处理、推荐系统等丰富的AI领域知识,并且不断更新前沿的AI技术和大模型应用案例。无论是AI小白还是从业人员,都可以在这里找到切合自身需求的优质学习资源。同时还提供竞赛实践机会,锻炼AI项目落地能力。

使用LLMs和计算机视觉自动化基于浏览器的工作流程

Skyvern是一个自动化工具，它结合了大型语言模型（LLMs）和计算机视觉技术，用于自动化基于浏览器的工作流程。它提供了一个简单的API端点，可以完全自动化手动工作流程，替代易碎或不可靠的自动化解决方案。

将2D RGB照片和视频转换为3D空间照片和视频

Depthify.ai是一个工具，可以将RGB图像转换为与Apple Vision Pro和Meta Quest兼容的各种空间格式。通过转换RGB图像为空间照片，可以为各种计算机视觉和3D建模应用提供支持。它可以生成深度图、立体图像和HEIC文件，可在Apple Vision Pro上使用。

计算机视觉自动化和RPA工具

U-xer是一款基于计算机视觉的测试自动化和RPA工具，旨在自动化屏幕上看到的任何内容，包括Web和桌面应用程序。它具有易用和高级两种模式，可以满足非技术用户和高级用户的不同需求。U-xer能够识别屏幕，像人类一样解释屏幕内容，实现更自然、准确的自动化。它适用于各种应用场景，包括Web应用程序、桌面软件、移动设备等，并提供定制化解决方案。U-xer的定价和定位请查看官方网站。

YOLOv8目标检测跟踪模型

YOLOv8是YOLO系列目标检测模型的最新版本,能够在图像或视频中准确快速地识别和定位多个对象,并实时跟踪它们的移动。相比之前版本,YOLOv8在检测速度和精确度上都有很大提升,同时支持多种额外的计算机视觉任务,如实例分割、姿态估计等。YOLOv8可通过多种格式部署在不同硬件平台上,提供一站式的端到端目标检测解决方案。

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。

一键实现通用抠图，灵活处理图像背景

ImageTools是一款通用抠图工具，通过先进的计算机视觉算法，精确自动地从照片中移除背景，突显主体。适用于图像编辑、广告设计、电商等场景，提供用户在各种情境中展示图像主体的灵活性和创造空间。

AI和计算机视觉解决方案

api4ai是一个云原生的AI解决方案，提供图像处理的AI和计算机视觉解决方案，包括图像背景移除、NSFW检查、OCR、图像标注、物体检测、人脸识别等功能。它可以帮助您的产品或业务进行图像处理和机器学习，适用于企业、创业公司和开发者。具体定价和定位请参考官方网站。

大规模实景数据集,用于深度学习三维视觉研究

DL3DV-10K是一个包含超过10000个高质量视频的大规模实景数据集,每个视频都经过人工标注场景关键点和复杂程度,并提供相机姿态、NeRF估计深度、点云和3D网格等。该数据集可用于通用NeRF研究、场景一致性跟踪、视觉语言模型等计算机视觉研究。

发现由社区开发的惊人 ML 应用

OneScorer 是一个 Hugging Face 的空间，用于发现由社区开发的惊人 ML 应用。它提供了一个平台，让用户能够浏览和使用其他人开发的机器学习应用程序。用户可以在 OneScorer 上找到各种应用，包括自然语言处理、计算机视觉、语音识别等领域的应用程序。OneScorer 还提供了功能丰富的模型和工具，帮助用户在各种任务中实现更好的性能。

AI与计算机视觉结合的摔跤耐力挑战

Wrestling Endurance Challenge是一个结合了人工智能和计算机视觉的摔跤耐力挑战应用。该应用通过AI分配任务，利用计算机视觉检测用户的持续时间。用户可通过扬声器或耳机接收指令，以参与耐力挑战。应用使用持续的机器学习在云端进行计算，并保证隐私安全，不会发送视频，仅导出关节坐标和轨迹数据。