文章列表-AI魔法学院

文章列表

一文彻底搞懂多模态 - 多模态推理

知识图谱推理是指基于知识图谱中的事实和关系，通过逻辑、规则、统计或机器学习等方法，从已知的信息中推断出新的信息或关系的过程。

多模态推理大模型

WeChatpy：Python中优秀的微信开发库，与微信官方接口交互的工具

多种功能支持：WeChatpy支持微信公众号、企业微信、小程序和支付等多种微信功能的开发和调用。

WeChatpy 开发库

GTC大会黄仁勋发言稿

这是 Nvidia(884.55, 6.18, 0.70%)的旅程，始于 1993 年。

黄仁勋 nvidia

清华&面壁开源新一代主动Agent交互范式！让AI从被命令到主动帮助

主动Agent技术原理下图展示了主动 Agent 技术原理的整体流程。

Agent 大模型

【NLP技术分享】文本生成评价指标的进化与推翻

重合程度越高就认为译文质量越高。

开源模型

《嬛嬛朕emo啦》但马斯克！阿里这项技术开放试玩

在生成过程中，面部定位器（Face Locator）用来编码面部的边界框区域。

音频阿里

详解 Diffusion (扩散) 模型

如果我们能逆转这个过程不是很好吗？

Diffusion 开源模型

Windrecorder：连续记录屏幕内容，通过OCR技术识别记录内容

优化流程，提升性能添加画面模态的识别，以实现对画面内容描述的搜索记录前台进程名与记录OCR词语对应位置，以在搜索时作为线索呈现

Windrecorder 录屏

超越Animate Anyone! 南加大&字节提出MagicPose，不需任何微调就可生成逼真的人类视频

方法提出的MagicPose流程概述。

MagicPose 视频

向量数据库简介和5个常用的开源项目介绍

这些数据可能包括文本、图像、音频和视频，使用各种过程(如机器学习模型、词嵌入或特征提取技术)将其转换为向量。

开源模型

AI文档智能助理都是如何处理pdf的？

ppstructure PDF2Word 其中PDF2Word是PaddleOCR社区开发者 whjdark[1] 基于PP-StructureV2版面分析与恢复模型实现的PDF转换Word应用程序

大模型

Selenium+ddddocr | 再也不担心图片验证码

进行文字识别 res = ocr.classification(yzm.screenshot_as_png) print(f'验证码为：{res}') 运行该程序

Selenium ddddocr库

阿里RAG新框架R4：增强检索器-重排序-响应器，5个知识密集任务上都超过Self-RAG等！

具体过程包括： o 文档顺序调整：利用图注意力学习将检索文档动态调整到开始、中间和结束位置，以最大化回答质量的强化奖励。

RAG 检索大型语言模型

说真的，SDXL究竟藏着多少秘密，也许没人知道

photorealistic:1.4),logo of company VOLKSWAGEN,white background, 接下来，还有这些如果你把世界500强公司名称输进去，你大概率会看到它能在一定程度上复现这家公司的

文生图

【ComfyUI】爽玩必备,6大插件汇总推荐！

我们使用一个简单的文生图流程，可以看到翻译信息是可以正确的传递到最终的输出的。

comfyui 文生图

<...55 56 57 585960 61 62 63 64 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1