【语义分割】12个主流算法架构介绍、数据集推荐、总结、挑战和未来发展
回顾近10年来经典的语义分割模型，无论是基于CNN的架构还是基于Transformer的架构，最核心的理念是“编码-解码”。直观上来讲，就是通过下采样获取特征的潜在表示，再通过上采样从抽象的底层特征表示中恢复目标的细节信息。从交通、医学、遥感、自动驾驶、智能施工管控等领域近些年发表的关于语义分割的论
Luma Dream Machine：AI 视频生成
Dream Machine是Luma AI开发的AI视频生成模型，能够快速将文本和图像转换为高质量、逼真的视频，适用于创意视频制作、故事讲述、市场营销及教育培训等场景，提供多样化的摄像机运动选项，帮助用户实现快速、高效的视频创作。
stable diffusion无限贴近真人的调教方法，助力AI变现（下）
做漫画效果时，看用户想要哪种效果：1、完全根据原图画面来出，则直接使用 linear 线稿进行控制即可，现在大部分产品的人转漫画，就是这个方式。2、想用一张真人图参考，最大还原发型，随意变换姿势，可使用 controlnet 的 IP Adapter 模型。但这个方法比较适用于人转漫，如果想出比较写
【机器学习】GANs网络在图像和视频技术中的应用前景
生成对抗网络（Generative Adversarial Networks, GANs）由Ian Goodfellow等人于2014年提出，迅速成为机器学习领域的一项革命性技术。GANs通过一个生成器（Generator）和一个判别器（Discriminator）之间的对抗性训练，实现了数据生成的
地平线旭日X3开发板基于MIPI Camera的目标检测 web 端展示调试记录
终于将MIPI Camera在web端显示出来了，其实很简单的事情，但是因为一个网络的问题，自己研究了好几天，查遍了论坛所有帖子，最后还是在地平线专家们的指导下，发现问题所在。言归正传，将自己的过程记录下来。想要在web端显示，需要以下准备工作。
LLaVA-1.6：多模态AI新标准，中文零样本能力与低成本训练革命，性能全面超越Gemini Pro
在与前一版本LLaVA-1.5相比，LLaVA-1.6不仅在视觉细节捕捉、OCR能力和视觉对话方面取得了显著进步，还在多项国际评测中表现优异，全面超越了Gemini Pro等商业模型。特别值得一提的是，LLaVA-1.6展现了出色的中文零样本能力，即使用仅考虑英文多模态数据的模型，在中文多模态场景下
大模型培训 AUTOWEBGLM：自动网页导航智能体
大语言模型（LLMs）在智能代理任务中发挥着重要作用，尤其是在网络导航方面。然而，现有的代理在真实世界的网页上表现不佳，主要原因网络导航代理面临着三大挑战：网页上行动的多样性、HTML文本的处理限制以及开放领域决策的复杂性。为了克服这些挑战，AUTOWEBGLM采用了基于ChatGLM3-6B模型的
2024年6月计算机视觉论文推荐：扩散模型、视觉语言模型、视频生成等
6月还有一周就要结束了，我们今天来总结2024年6月上半月发表的最重要的论文，重点介绍了计算机视觉领域的最新研究和进展。
使用粒子滤波（particle filter）进行视频目标跟踪
粒子滤波是一种贝叶斯滤波方法，主要用于非线性、非高斯动态系统中的状态估计。它通过使用一组随机样本（称为粒子）来表示状态的后验概率分布，并通过这些粒子的加权平均来估计状态。
OpenCV--Mat属性和深浅拷贝
【代码】OpenCV--Mat属性和深浅拷贝。
（保姆级图文详解）ubuntu下深度学习cuda+cudnn+anaconda3环境配置（看这一篇就够了）
conda create -n 环境名 python=x.x。
非极大值抑制详细原理（NMS含代码及详细注释）
非极大值抑制（Non-Maximum Suppression，NMS）详细原理（含代码及详细注释）
【机器学习】Qwen-VL：基于FastAPI私有化部署你的第一个AI多模态大模型
本文首先在引言中强调了一下OpenAI兼容API的重要性，希望引起读者重视，其次介绍了Qwen-VL的原理与模型结构，最后简要讲了下FastAPI以及搭配组件，并基于FastAPI封装了OpenAI兼容API的Qwen-VL大模型服务端接口，并给出了客户端实现。本文内容在工作中非常实用，希望大家能有
【计算机视觉】人脸算法之图像处理基础知识（一）
图像处理基本知识
【AI视野·今日CV 计算机视觉论文速览 第304期】Thu, 7 Mar 2024
AI视野·今日CS.CV 计算机视觉论文速览Thu, 7 Mar 2024Totally 67 papers👉上期速览✈更多精彩请移步主页Daily Computer Vision PapersDART: Implicit Doppler Tomography for Radar Novel Vi
【计算机视觉 | 语义分割】综述 | 语义分割经典网络及轻量化模型盘点
【计算机视觉 | 语义分割】综述 | 语义分割经典网络及轻量化模型盘点
OpenCV 开源的计算机视觉和机器学习软件库
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库，它包含了许多用于图像处理、计算机视觉和机器学习的通用算法。这个库最初由Intel开发，但现在已经成为一个全球性的社区项目，由许多贡献者共同维护和发展。OpenCV（Open
OrangePi AI pro开发板首次上手体验目标检测实例，如此高效敏捷的开发方式令人震惊！
OrangePi AI pro 开发板
【飞桨AI实战】人像分割：手把手带你入门PaddleSeg，从模型训练、推理部署到应用开发
本文通过一个计算机视觉领域中最基础的任务之语义分割，带领大家熟悉百度PaddleSeg深度学习框架中的各种组件，覆盖了数据准备、模型训练评估、推理部署的全流程，最后通过应用开发实现了一个简单的前后端分离项目。
图形渲染在AI去衣技术中的奇妙之旅
接下来，AI会利用深度学习算法，根据大量的衣物数据样本，学习如何去除这些特征，这一过程就像是在脑海中构建起一座图书馆，书架上摆满了各种各样的衣物知识。然而，我们也应该警惕这项技术的双刃剑效应，确保它能够在尊重隐私和伦理的前提下，为我们的生活带来更多的便利和乐趣。今天，我要和大家探讨的，是一个颇具争议
