产品库

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。

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。

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。

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。

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。

在浏览器中尝试Cleanlab的可信任语言模型（TLM）

TLM Playground是Cleanlab的一个工具，用于在浏览器中使用可信任语言模型（TLM）。它提供了一个交互式界面，用户可以输入文本并获得模型生成的响应。TLM是一种基于深度学习的语言模型，它可以用于生成自然语言文本，例如回答问题、翻译、文本摘要等。

TensorDock 提供高性能的云端 GPU 服务，专为深度学习、AI 和渲染工作负载设计。

TensorDock 是一个为需要无可妥协可靠性的工作负载而构建的专业云服务提供商。它提供多种 GPU 服务器选项，包括 NVIDIA H100 SXMs，以及针对深度学习、AI 和渲染的最具成本效益的虚拟机基础设施。TensorDock 还提供全托管容器托管服务，具备操作系统级监控、自动扩展和负载均衡功能。此外，TensorDock 提供世界级别的企业支持，由专业人员提供服务。

使用AI自动翻译您的视频。立即配音您的第一个视频！

Dubbah是一个使用AI技术进行翻译和配音的专业级平台，适用于短视频内容。我们的平台可以将您的视频翻译成不同的语言，同时保留原始语音和背景音乐，扩大您的全球影响力。我们的深度学习算法可以分析原始内容的细微差别和情感，确保生成的配音传达所期望的语气和情感，为观众提供真实的体验。

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。

深度学习工具链，用于生成你的数字孪生体。

FaceChain是一个深度学习工具链，由ModelScope提供支持，能够通过至少1张肖像照片生成你的数字孪生体，并在不同设置中生成个人肖像（支持多种风格）。用户可以通过FaceChain的Python脚本、熟悉的Gradio界面或sd webui来训练数字孪生模型并生成照片。FaceChain的主要优点包括其生成个性化肖像的能力，支持多种风格，以及易于使用的界面。

深度学习算法与大模型面试指南，持续更新的面试题目集合。

DeepLearing-Interview-Awesome-2024 是一个开源的面试题目集合项目，专注于深度学习算法和大模型领域的面试准备。该项目由社区成员共同维护，旨在提供最新的面试题目和答案解析，帮助求职者和研究人员深入理解深度学习领域的前沿技术和应用。它包含了丰富的面试题目，覆盖了大语言模型、视觉模型、通用问题等多个方面，是准备深度学习相关职位的宝贵资源。

通过对比对齐进行 Pure 和 Lightning ID 定制

PuLID 是一个专注于人脸身份定制的深度学习模型，通过对比对齐技术实现高保真度的人脸身份编辑。该模型能够减少对原始模型行为的干扰，同时提供多种应用，如风格变化、IP融合、配饰修改等。

智能 AI 写作、文档纠错校对、文本图像合规检测平台。

讯飞智检是一款基于海量标注数据和深度学习算法实现文本纠错、涉黄、涉政及违禁词等识别的产品。通过节省人工成本，极大地提升了数据的正确性、规范性。定位于提高数据安全性、降低审核成本的 AI 文本审核平台。

全能 AI 助手，能搜、能聊、能写、能画，带来无限可能。

天工 AI 是一款全能 AI 助手，集成了搜索、聊天、写作、绘画等多种功能于一体。其主要优点包括智能快速响应、多功能性强、深度学习技术支持。定位于为用户提供全方位的智能助手服务。

一款人工智能助手，可提供各种形象模拟对话服务。

蓝心千询是一款强大的人工智能对话模型，可模拟各种形象与用户进行对话互动。它包含了多个经典文学角色、历史名人等丰富的虚拟形象库，用户可以选择自己感兴趣的形象与之对话，体验不同风格的语言互动。该模型由先进的自然语言处理和深度学习技术驱动，能够理解上下文语义，给出贴切内容丰富的回复。无论是文字游戏、知识问答还是情感交流，蓝心千询都能提供极佳的体验。该产品面向喜欢阅读、交流、探索的广大用户群体，可满足各种对话和模拟需求。

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。

Rixai AI是一种革命性的图像生成工具，可以通过纯文本输入创建图像。

Rixai AI使用先进的人工智能技术，将文字转化为图片，帮助您可视化想法。它使用深度学习技术如GANs或VAEs基于您的输入生成图片。

AI学习平台

Generative AI Courses是一家提供AI学习课程的在线平台。通过课程学习，用户可以掌握GenAI、AI、机器学习、深度学习、chatGPT、DALLE、图像生成、视频生成、文本生成等技术，并了解2024年AI领域的最新发展。

个人AI合同谈判助手

SpeedLegal是一个利用机器学习技术（特别是深度学习、大型语言模型和通用AI）来突出合同中的条款和关键风险的技术初创公司。我们分析您的文档并发送给您一个简化的报告，以便您在签名前做出更明智的决策。

实时生成逼真语音驱动人脸

VASA-1是由微软研究院开发的一个模型，专注于实时生成与音频相匹配的逼真人脸动画。该技术通过深度学习算法，能够根据输入的语音内容，自动生成相应的口型和面部表情，为用户提供一种全新的交互体验。VASA-1的主要优势在于其高度逼真的生成效果和实时响应能力，使得虚拟角色能够更加自然地与用户进行互动。目前，VASA-1主要应用于虚拟助手、在线教育、娱乐等领域，其定价策略尚未公布，但预计将提供免费试用版本供用户体验。

人工智能入门教程网站，提供全面的机器学习与深度学习知识。

该网站由作者从 2015 年开始学习机器学习和深度学习,整理并编写的一系列实战教程。涵盖监督学习、无监督学习、深度学习等多个领域,既有理论推导,又有代码实现,旨在帮助初学者全面掌握人工智能的基础知识和实践技能。网站拥有独立域名,内容持续更新,欢迎大家关注和学习。

斯坦福大学的CS25课程，专注于深度学习模型Transformers

CS25是斯坦福大学提供的一门课程，主要探讨深度学习模型Transformers，该模型在全球范围内产生了巨大影响。课程邀请了Transformers研究领域的前沿人物，讨论从GPT和Gemini等LLM架构到创造性应用（如DALL-E和Sora）在内的最新突破。CS25已经成为斯坦福最热门和最令人兴奋的研讨会课程之一。

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。

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。

智能软件开发工具，提升编程效率。

aiXcoder 是一款智能软件开发工具，基于深度学习技术，实现代码自动生成、自动补全、智能搜索等功能，提升开发效率。其方法级代码生成、智能代码补全等功能可帮助程序员提高工作效率。aiXcoder 支持多种主流编程语言和 IDE，提供本地和云端两种模式，适用于企业和个人开发者。产品定位于提供智能化编程辅助，助力开发者提升编程体验。

腾讯 ARC 官网，探索智能媒体前沿技术

腾讯 ARC 官网是腾讯 PCG 旗下的应用研究中心，致力于探索和挑战智能媒体前沿技术。团队汇聚了国内外一流高端人才，主要研究领域涵盖视觉、音频、自然语言处理等，通过 AutoML、多模态和深度学习等方法提高算法性能。ARC 通过解耦业务需求和科研的机制，与业务团队合作，以业务需求和行业趋势为导向，不断探索、创新和突破。网站提供了关于 ARC 的使命、团队介绍、机制和领域等详细信息。

img2img-turbo是一个基于img2img的改进版本，用于快速图像到图像的转换

img2img-turbo是一个开源项目，它是对原始img2img项目的改进，旨在提供更快的图像到图像转换速度。该项目使用了先进的深度学习技术，能够处理各种图像转换任务，如风格迁移、图像着色、图像修复等。

OMG是一个基于深度学习的图像超分辨率工具

OMG（Once More Generalization）是一个开源的图像超分辨率工具，它利用深度学习技术来提高图像的分辨率。该项目旨在通过AI模型增强图像质量，使其在放大后仍然保持清晰和细腻。