摘要：
引子 时隔大半年，SAM 2代终于来了，之前写过一篇《Segment Anything（SAM）环境安装&代码调试》，感兴趣童鞋请移步https://blog.csdn.net/zzq1989_/article/details/135479818?spm=1001.2014.3001.5501，OK 阅读全文
摘要：
引子 写了那么多大模型安装搭建的文章，回过头来看，有没有更简单的方式使用大模型呢。无意间撇到贾清扬大神的公司的Elmo插件，据说新升级，断网都可以使用，那么必须走起，OK，让我们开始吧 一、插件介绍 Elmo是一款基于AI的浏览器插件，采用了Mixtral 8x7b模型。该插件具备提取网页内容摘要、 阅读全文
摘要：
引子 之前写过一篇CogVLM的分享，感兴趣的移步https://blog.csdn.net/zzq1989_/article/details/138337071?spm=1001.2014.3001.5501，前一阵子，CogVLMv2横空出世，支持视频理解功能，OK，那就让我们开始吧。 一、模型 阅读全文
摘要：
引子 快手开源的东西还是第一次接触，看量子位推的软文，还是很惊艳的。那就自己上手看看了。OK，那就让我们开始吧。 一、模型介绍 可图大模型是由快手可图团队开发的基于潜在扩散的大规模文本到图像生成模型。Kolors 在数十亿图文对下进行训练，在视觉质量、复杂语义理解、文字生成（中英文字符）等方面，相比 阅读全文
摘要：
引子 前阵子写了一篇Open-Sora1.0环境搭建&推理测试（Open-Sora1.0环境搭建&推理测试_自己搭建sora服务-CSDN博客，感兴趣的童鞋，请移步）。Open-Sora1.1发布的时候，撇了一眼新闻。后面一转头，忘记这个事情了。无意间翻到其开源网站上，发现2024.6.17发布1 阅读全文
摘要：
引子 U-Net的鼎鼎大名，我觉得无需我多言了。图像分割和扩散概率模型的基石。作者探索了KANs在改进视觉任务 Backbone 网络方面的未开发潜力。作者研究、修改并重新设计已建立的U-Net Pipeline ，通过在标记化的中间表示上整合专用的KAN层，称之为U-KAN。严格的医学图像分割基 阅读全文
摘要：
引子 基于单目摄像头的深度估计，一直是CV领域的一个难点，之前也对此关注也不够多。偶然浏览技术博客，看到Depth Anything: Unleashing the Power of Large-Scale Unlabeled Data这个最新CVPR2024的工作。看到名字，大概也能猜出来这篇是 阅读全文
摘要：
引子 最近在关注多模态大模型，之前4月份的时候关注过CogVLM（https://blog.csdn.net/zzq1989_/article/details/138337071?spm=1001.2014.3001.5501）。模型整体表现还不错，不过不支持中文。智谱AI刚刚开源了GLM-4大模型 阅读全文
摘要：
引子 最近看新闻博客说零一科技的Yi-VL-Plus视觉大模型效果很不错，那就想着尝尝鲜。这是第四篇关于视觉大模型的博客。之前有写过一篇零一科技的chat大模型零一科技Yi-34B Chat大模型环境搭建&推理_python部署大模型yi-34b-chat-CSDN博客，感兴趣的童鞋可以移步。我个 阅读全文
摘要：
引子 两个多月前YOLOv9发布（感兴趣的童鞋可以移步YOLOv9环境搭建&推理测试_yolov9安装-CSDN博客），这才过去这么短的时间，YOLOv10就横空出世了。现在YOLO系列搞得就和追剧一样了。。。OK，那就让我们开始吧。 一、模型介绍 1、作者提出了一种新颖的一致性双重分配策略，用于 阅读全文