精选计算机视觉工具：AI应用、网站与开源项目大全
mask2former-swin-tiny-coco-instance
模型Github
Mask2Former模型：统一处理实例、语义和全景图像分割
surya_rec
模型surya
surya项目专用的多语言文本识别模型
mgp-str-base
计算机视觉Huggingface
多粒度预测的场景文本识别开源模型
CLIP-convnext_xxlarge-laion2B-s34B-b82K-augreg-soup
CLIP模型
CLIP ConvNeXt-XXLarge模型在零样本图像分类上的卓越性能
xclip-base-patch32
模型计算机视觉
X-CLIP视频语言理解模型在Kinetics-400数据集上的应用
metaclip-b32-400m
模型Github
揭秘CLIP数据处理方法的高性能视觉语言模型
siglip-large-patch16-256
模型多模态模型
SigLIP模型采用优化损失函数实现图像文本多模态任务
mobilenet_v2_1.0_224
ImageNet模型
轻量级移动设备图像分类神经网络MobileNet V2
convnext-xlarge-384-22k-1k
计算机视觉神经网络
融合现代设计的高性能图像分类卷积神经网络
fashion-images-gender-age-vit-large-patch16-224-in21k-v3
计算机视觉图像分类
基于Vision Transformer的时尚图像性别年龄识别模型
metaclip-h14-fullcc2.5b
零样本分类模型
大规模视觉语言模型基于25亿CommonCrawl数据训练
vit-large-patch16-224-in21k
模型计算机视觉
基于ImageNet-21k预训练的大型Vision Transformer模型
upernet-convnext-small
模型语义分割
高效语义分割框架融合ConvNeXt技术
swin-tiny-patch4-window7-224
模型Github
层级结构的视觉Transformer模型
segformer-b3-fashion
计算机视觉Huggingface
高效精准的时尚服饰语义分割模型
vivit-b-16x2-kinetics400
模型Github
ViViT 扩展Vision Transformer至视频分析领域的创新模型
DFN5B-CLIP-ViT-H-14
CLIP模型
高性能图像-文本对比学习模型
stable-video-diffusion-img2vid
模型图像到视频生成
AI模型将静态图像转换为动态短视频的创新技术
Depth-Anything-V2-Small
模型Github
先进高效的开源深度估计工具
Depth-Anything-V2-Base-hf
图像处理计算机视觉
高效精细的单目深度估计模型 提供稳健性能
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号