MODEL-ZOO
GPT-4o:将照片ghibli风格化
Open AI发布了他们的GPT-4o模型图像生成功能。图像生成非常出色,该模型可以完美地将照片转换为吉卜力动画风格。这在X.com上引起了广泛关注。
MODEL-ZOO
Open AI发布了他们的GPT-4o模型图像生成功能。图像生成非常出色,该模型可以完美地将照片转换为吉卜力动画风格。这在X.com上引起了广泛关注。
MODEL-ZOO
来自halfmoon公司的一款名为 REVE Image 1.0 的新文本到图像模型是一款由一小群充满热情的研究人员、构建者、设计师和讲故事的人打造的创意工具初创公司。自昨天发布以来,它一直在图像基准列表中名列前茅。
MODEL-ZOO
RF-DETR于2025年3月19日发布,是由Roboflow开发的一种基于Transformer的物体检测模型架构。 RF-DETR在COCO和新推出的RF100-VL数据集上实现了最先进的性能,超越了LW-DETR和YOLOv11等模型。RF100-VL是一个基准测试,旨在验证检测能力模型在各种领域的泛化能力。 通过将分辨率扩展到728,RF-DETR在NVIDIA T4 GPU上达到了60.5 mAP,速度为25 FPS,成为第一个在Microsoft COCO基准测试中突破60mAP障碍的实时模型。该模型在NVIDIA T4上也达到了25 FPS。 RF-DETR按照Apache 2.0许可证授权,允许免费商业使用。 在这篇指南中,我们将介绍如何在自定义数据集上训练一个RF-DETR模型。我们将以识别麻将牌为例进行训练,这是一个涉及多个不同类别的任务。 以下是我们将要训练的模型的结果示例(右侧),以及真实标签(左侧): 我们的模型结果几乎与真实标签一致,这是对RF-DETR预测质量的一个证明。 不多说了,让我们开始吧! 💡你可以使用我们的Colab训练笔记本跟
MODEL-ZOO
当大家都在竞相构建基于 ChatGPT 的应用程序时,精明的开发人员正在悄悄发现这个新轻量级 Gemma-3 的微调能力,这是一个隐藏的宝石,可以将通用人工智能转化为你的专业数字专家。
MODEL-ZOO
Gemini 2.0 Flash结合了多模态输入、增强推理和自然语言理解能力,以创建图像。
MODEL-ZOO
Gemma 3是 Gemma 系列模型的新一代。这些模型的参数范围从 1B 到 27B,具有高达 128k 个标记的上下文窗口,可以处理图像和文本,并支持 140 多种语言。
MODEL-ZOO
在这个指南中,我们将一步步带你完成本地运行QwQ-32B的整个过程。我们将使用工具如Ollama和LM Studio来使设置尽可能简单。
MODEL-ZOO
最近我了解到Gemini的结构化输出API。与传统的多模态提示响应不同,它可以根据输入模式返回一个JSON负载。
MODEL-ZOO
新的开源歌曲生成模型DiffRhythm看起来非常疯狂,它可以在短短10秒内生成长达4分钟的完整歌曲,包括人声。
MODEL-ZOO
在Phi家族成功的基础上,微软推出了Phi-4-Mini和Phi-4-Multimodal,扩展了它们处理视觉和音频模态的能力。
MODEL-ZOO
我想看看这些LLM模型的进步程度,所以我让不同的AI模型构建一个简单的宝可梦游戏,结果令人惊讶。
MODEL-ZOO
传统的AI编码工具就像才华横溢但缺乏经验的实习生。他们会热切地建议一个巧妙的React钩子优化,却意外地破坏了三个模块外的身份验证流程。Claude 3.7 Sonnet打破了这些限制。