产品库

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。

先进的视觉基础模型，支持多种视觉和视觉-语言任务

Florence-2是由微软开发的高级视觉基础模型，采用基于提示的方法处理广泛的视觉和视觉-语言任务。该模型能够解释简单的文本提示，执行诸如图像描述、目标检测和分割等任务。它利用FLD-5B数据集，包含54亿个注释，覆盖1.26亿张图像，精通多任务学习。其序列到序列的架构使其在零样本和微调设置中均表现出色，证明是一个有竞争力的视觉基础模型。

先进的视觉基础模型，支持多种视觉和视觉-语言任务。

Florence-2-large-ft是由微软开发的高级视觉基础模型，使用基于提示的方法来处理广泛的视觉和视觉-语言任务。该模型能够通过简单的文本提示执行诸如图像描述、目标检测和分割等任务。它利用FLD-5B数据集，包含54亿个注释，覆盖1.26亿张图像，实现多任务学习。模型的序列到序列架构使其在零样本和微调设置中均表现出色，证明其为有竞争力的视觉基础模型。

先进的视觉基础模型，支持多种视觉和视觉-语言任务。

Florence-2是由微软开发的高级视觉基础模型，采用基于提示的方法处理广泛的视觉和视觉-语言任务。该模型能够解释简单的文本提示，执行如描述、目标检测和分割等任务。它利用包含54亿个注释的5.4亿张图像的FLD-5B数据集，精通多任务学习。模型的序列到序列架构使其在零样本和微调设置中都表现出色，证明其为有竞争力的视觉基础模型。

先进的视觉基础模型，支持多种视觉和视觉-语言任务

Florence-2-large是由微软开发的先进视觉基础模型，采用基于提示的方法处理广泛的视觉和视觉-语言任务。该模型能够解释简单的文本提示来执行如图像描述、目标检测和分割等任务。它利用包含54亿注释的5.4亿图像的FLD-5B数据集，精通多任务学习。其序列到序列的架构使其在零样本和微调设置中均表现出色，证明是一个有竞争力的视觉基础模型。

多模态语言模型的视觉推理工具

Visual Sketchpad 是一种为多模态大型语言模型（LLMs）提供视觉草图板和绘图工具的框架。它允许模型在进行规划和推理时，根据自己绘制的视觉工件进行操作。与以往使用文本作为推理步骤的方法不同，Visual Sketchpad 使模型能够使用线条、框、标记等更接近人类绘图方式的元素进行绘图，从而更好地促进推理。此外，它还可以在绘图过程中使用专家视觉模型，例如使用目标检测模型绘制边界框，或使用分割模型绘制掩码，以进一步提高视觉感知和推理能力。

先进的开放世界目标检测模型系列

Grounding DINO 1.5是由IDEA Research开发，旨在推进开放世界目标检测技术边界的高级模型系列。该系列包含两个模型：Grounding DINO 1.5 Pro和Grounding DINO 1.5 Edge，分别针对广泛的应用场景和边缘计算场景进行了优化。

高分辨率多模态感知 LVLM

Griffon 是第一个具有本地化能力的高分辨率（超过1K）LVLM，可以描述您感兴趣的区域中的所有内容。在最新版本中，Griffon 支持视觉语言共指。您可以输入图像或一些描述。Griffon 在 REC、目标检测、目标计数、视觉/短语定位和 REG 方面表现出色。定价：免费试用。

YOLOv9模型实现，可编程梯度信息学习

yolov9是YOLOv9论文的实现，它通过使用可编程梯度信息来学习用户想要学习的内容。这个项目是一个开源的深度学习模型，主要用于目标检测任务，具有高效和准确的优势。

提升图文预训练的细粒度理解

SPARC是一种用于图文对预训练的简单方法，旨在从图像-文本对中预训练更细粒度的多模态表示。它利用稀疏相似度度量和对图像块和语言标记进行分组，通过对比细粒度的序列损失和全局图像与文本嵌入之间的对比损失，学习同时编码全局和局部信息的表示。SPARC在粗粒度信息的图像级任务和细粒度信息的区域级任务上均表现出改进，包括分类、检索、目标检测和分割。此外，SPARC提高了模型的可信度和图像描述能力。

基于双向状态空间模型的高效视觉表示学习框架

Vision Mamba是一个高效的视觉表示学习框架,使用双向Mamba模块构建,可以克服计算和内存限制,进行高分辨率图像的Transformer风格理解。它不依赖自注意力机制,通过位置嵌入和双向状态空间模型压缩视觉表示,实现更高性能,计算和内存效率也更好。该框架在 ImageNet分类、COCO目标检测和ADE20k语义分割任务上,性能优于经典的视觉Transformers,如DeiT,但计算和内存效率提高2.8倍和86.8%。

DySample是一种轻量级且高效的动态上采样方法。

DySample通过学习采样的视角进行上采样,完全避开了时耗的动态卷积运算和额外的子网络。与以往的基于核的动态上采样器相比,DySample不需要自定义的CUDA包,参数量和FLOPs也较少。DySample在语义分割、目标检测、实例分割、全景分割和单目深度估计等任务上都优于其他上采样器。

无代码搭建目标检测神经网络

MakeML是一个无需编写任何代码就可以搭建图像目标检测神经网络的开发工具。它提供了一个简单易用的图形界面,用户只需上传训练集图片,绘制bounding box,设置参数,就可以训练出一个高效的目标检测模型,并导出成CoreML格式在iOS App中使用。MakeML解决了神经网络开发门槛高的痛点,不需要任何机器学习或编程知识,就可以获得强大的深度学习能力。

生成精确的视觉 AI 模型，用成本效益的数据

syntheticAIdata 是一个平台，可以快速生成大规模的合成数据集，用于训练视觉 AI 模型。通过使用 syntheticAIdata，您可以轻松生成大量的合成数据集，从而显著加快图像分类、图像分割和目标检测等任务的视觉 AI 模型训练速度。我们的解决方案将帮助您更快地将基于 AI 的应用推向市场。syntheticAIdata 得到了 Microsoft for Startups 的支持，并成为 NVIDIA Inception 计划的一部分。

实验室数字化助手，提升科研效率。

Ascenscia是一个专门针对科学实验室设计的AI语音助手，通过与实验室软件和机器的集成，实现免提交互，加速数据收集，优化工作流程，减少错误，并加速研发周期。产品具备97%的准确率理解复杂科学术语，支持端到端加密确保数据安全，提供多语言服务，并可定制以适应不同实验室的独特需求。

高效的混合搜索和实时分析数据库

Rockset是一个为大规模数据提供高效搜索和实时分析的数据库平台。它支持向量、文本、地理空间和JSON数据的索引，能够实现混合搜索架构，并通过流式数据摄入和高QPS工作负载来测量端到端延迟。Rockset的主要优点包括实时索引、毫秒级SQL查询、快速开发新功能、降低计算和存储成本，以及无需ETL、去规范化、管理分片、索引或集群的灵活性。

基于扩散模型的肖像图像动画技术

Hallo是一个由复旦大学开发的肖像图像动画技术，它利用扩散模型生成逼真且动态的肖像动画。与传统依赖参数模型的中间面部表示不同，Hallo采用端到端的扩散范式，并引入了一个分层的音频驱动视觉合成模块，以增强音频输入和视觉输出之间的对齐精度，包括嘴唇、表情和姿态运动。该技术提供了对表情和姿态多样性的自适应控制，能够更有效地实现个性化定制，适用于不同身份的人。

用户引导增长平台，为B2B SaaS产品提供推荐程序

Cello是一个为B2B SaaS产品提供用户推荐程序的平台，旨在通过用户推荐来加速产品的病毒式增长。它通过无缝集成、简化的分享选项、灵活的奖励机制以及实时性能追踪工具，帮助企业轻松地将用户转化为其最有价值的增长渠道。Cello支持与Stripe等支付提供商直接集成，实现自动化归因和基于成功的支付。此外，Cello还提供与CRM和RevOps工具的集成，确保企业数据的安全和合规性。

全球首个专注于微纳米影响者的自动化市场平台

Chirpley是一个创新的自动化、点对点、一站式影响者市场平台，专注于微纳米影响者。它通过人工智能和机器学习技术，为营销人员提供了快速有效的营销手段，并通过一键营销炸弹（1-click marketing bomb）功能，使得营销活动更加迅速和高效。Chirpley旨在解放微影响者营销的巨大盈利潜力，并通过端到端自动化、自适应、数据驱动的微影响者活动，提升营销的覆盖范围和影响力，将结果和效果提升到令人瞩目的高度。

一站式LLM模型比较与优化平台

Unify AI是一个为开发者设计的平台，它允许用户通过一个统一的API访问和比较来自不同提供商的大型语言模型(LLMs)。该平台提供了实时性能基准测试，帮助用户根据质量、速度和成本效率来选择和优化最合适的模型。Unify AI还提供了定制路由功能，允许用户根据自己的需求设置成本、延迟和输出速度的约束，并定义自定义质量指标。此外，Unify AI的系统会根据最新的基准数据，每10分钟更新一次，将查询发送到最快提供商，确保持续达到峰值性能。

微软设计智能、可操作、互联的AI助手。

Microsoft Copilot Studio 是一个端到端的对话式AI平台，允许用户使用自然语言或图形界面创建和自定义助手，以满足内部或外部场景的需求。它基于顶级对话AI技术构建，与Azure AI Studio和其他应用程序互操作。

一个开源的、增强检索的生成式聊天机器人。

Verba 是一个开源应用程序，旨在提供端到端、流畅且用户友好的检索增强生成（RAG）接口。它结合了最先进的RAG技术和Weaviate的上下文感知数据库，支持本地或通过云部署，可以轻松探索数据集并提取洞见。

为开发者提供数据库管理工具，通过AI生成模拟数据，简化本地开发环境的数据配置。

Snaplet是一个面向开发者的数据库管理工具，它通过AI技术生成与生产环境相似的模拟数据，用于本地开发环境、端到端测试和调试。它支持TypeScript配置，提供类型安全性和自动化值及关系更新，帮助开发者更高效、安全地管理开发环境中的数据。

高效渲染大规模场景的实时视图合成技术

Level of Gaussians (LoG) 是一种用于高效渲染三维场景的新技术，它通过树状结构存储高斯基元，并通过渐进式训练策略从图像中端到端重建，有效克服局部最小值，实现实时渲染数百万平方千米的区域，是渲染大规模场景的重要进步。

全自动AI面试代理，实现端到端自动化面试，包括面试流程、评估报告、自动审批等功能。

Intrvu SPACE是一款端到端自动化面试平台，通过自动化面试流程，评估报告和自动审批等功能，简化了面试流程。它提供了标准化的面试，与职位描述相匹配，为招聘决策提供了全面的评估报告。Intrvu SPACE还支持与候选人的无缝沟通，提高了候选人评估和选择的效率。

提升团队生产力的智能助手，集成多种应用，简化任务执行。

Assista是一个革命性的技术公司，通过先进的AI助手转变数字化时代的生产力。该平台能够通过简单的文本或语音消息执行端到端的讨论和任务，类似于Siri，但具有跨多个生产力应用集成的能力，如Google、HubSpot、Notion、Trello和Slack。

AI驱动的全自动测试解决方案，让您可以10倍更快地启动。

TestSprite是一个基于AI的全自动测试解决方案，利用最先进的大型语言模型（LLM）技术和云计算基础设施，提供高效、安全的测试服务。只需一次点击，我们的AI就能负责编写端到端测试代码的所有方面，节省宝贵的时间。我们的测试报告设计简洁易懂，提供全面的测试总结，识别任何失败，并提供潜在原因的建议。通过TestSprite，您可以减少测试时间、提高测试效率。

一张图提供人脸，另一张提供发型，第三张提供发色，最终合成一张完整的图片。

HairFastGAN是一种用于高分辨率、接近实时性能和出色重建的发型转移方法。该方法包括在StyleGAN的FS潜在空间中运行的新架构、增强的修复方法以及用于更好的对齐、颜色转移和后处理的改进编码器。在最困难的情况下,该方法可以在不到一秒的时间内将发型形状和颜色从一张图片转移到另一张图片。

一键式无服务器RAG平台

SciPhi是一个开源的端到端RAG平台，使构建、部署和优化系统变得简单。它提供直观的框架和抽象，可与LangChain等解决方案相比较。通过SciPhi，您可以轻松启动和扩展最好的RAG系统，并选择各种托管和远程提供商以满足您的需求。无论是自托管还是云部署选项都可用。

通用视觉-语义物体检测，无需任务特定调优

T-Rex2是一种范式突破的物体检测技术,能够识别从日常到深奥的各种物体,无需任务特定调优或大量训练数据集。它将视觉和文本提示相结合,赋予其强大的零射能力,可广泛应用于各种场景的物体检测任务。T-Rex2综合了四个组件:图像编码器、视觉提示编码器、文本提示编码器和框解码器。它遵循DETR的端到端设计原理,涵盖多种应用场景。T-Rex2在COCO、LVIS、ODinW和Roboflow100等四个学术基准测试中取得了最优秀的表现。