文章列表-AI魔法学院

文章列表

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

ViTPose+进一步拓展到多种不同类型的身体姿态估计任务，涵盖动物、人体以及典型的身体骨骼、手、脚、脸部等关键点类型，在不增加推理阶段模型复杂度和计算复杂度的情况下，实现了多个数据集上的最佳性能。

ViTPose+Transformer 身体姿态

3 个令人惊艳的 GitHub 开源项目，诞生了！

AI 生成专属头像去年 Midjourney 和 Stable Diffusion 这两款 AI 绘画神器一经发布，让诸多专业摄影师、设计师、艺术创作者都倍感震撼。

开源模型

中文原生文生图大模型来了！腾讯混元推出，Sora 同架构

评测结果显示，新一代腾讯混元文生图大模型视觉生成整体效果，相比前代提升超过 20%，在语义理解、画面质感与真实性方面全面提升，在多轮对话、多主体、中国元素、真实人像生成等场景下效果提升显著。　　

文生图混元腾讯

RAG 2.0来了，它能成为生产落地的福音吗？

从优化思路和最终效果上看，RAG 2.0确实能够给开发者一些启发，端到端地进行优化，值得一提的是Contextual AI 不仅有上下文语言模型（CLMs）还有微调和对齐技术（例如GRIT、KTO和LENS），感兴趣的可以了解

RAG 大模型

Stable Diffusion

Stable Diffusion 常用LoRA模型推荐

有些模型争议较大，因此需要大家根据自身实际需求和情况自行下载（记得科学上网哦~），但是切记不要用于网络诈骗、传播黄色淫秽作品等非法目的。

文生图 SD

WebUI使用用InstantID，AI换脸完美版

Embedding：团队利用预训练的面部识别模型代替 CLIP 来提取语义人脸特征，并使用可训练的投影层，将这些特征映射到文本特征空间，形成 Face Embedding，具有丰富的语义信息，包括如面部特征、表情、

换脸小红书

两天star量破千：OpenAI的Whisper被蒸馏后，语音识别数倍加速

这样，在参数仅增加 8% 的情况下，速度提高了 2 倍，同时输出结果与 Whisper 完全相同。

语音 HeyGen

Stable Diffusion

详解Stable Diffusion提示词prompt语法

再也想不到其他的了，总感觉是吃了没文化的亏？

SD prompt 文生图提示词

Llama 3突然来袭！开源社区再次沸腾：GPT-4级别模型可以自由访问的时代到来

AI写作助手创企HyperWriteAI的CEO见此已忍不住感慨：我们正在步入一个新世界，一个GPT-4级别的模型开源并且可以自由访问的世界。

meta llama3

学术党狂喜，Meta推出OCR神器，PDF、数学公式都能转

理想情况下，预测将形成阶梯函数，但在实践中，信号将有噪音。

大模型

OCRmyPDF—可智能识别PDF文本和图片信息的工具

•从普通PDF生成可搜索的PDF/A文件 •在图像下方准确放置OCR文本，以便于复制/粘贴 •保持原始嵌入图像的确切分辨率 •在可能的情况下

OCRmyPDF 工具

Stable Diffusion

【ComfyUI】Blender+Stable Diffusion！少年啊，这盛世如你所愿！（附中文汉化插件）

想不到研究了blender这么久，终于等到了AI绘画和blender结合的一天，不得不感叹一句：少年啊，这盛世如你所愿！

开源模型

PymuPDF4llm：PDF 提取的革命

2、准确识别和提取它能够准确地识别表格的边界和内容，即使表格的结构比较复杂，如包含合并单元格、嵌套表格等情况，也能正确提取。

PymuPDF4llm PDF

ComfyUI官方使用手册【官网直译+关键补充】

由于基于节点的界面,您可以构建由数十个节点组成的工作流,所有这些节点都在做不同的事情,这允许一些非常酷炫的图像生成流水线。

文生图图生图 comfyui

Midjourney | 17个常用的命令

/info 显示有关你的个人资料、生成数量、订阅会员状态和使用情况和当前正在运行的作业信息 /prefer option set 创建或管理自定义选项

文生图

<...64 65 66 676869 70 71 72 73 ...>

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