第一个无自然语言的纯视觉大模型，证明了纯视觉模型本身也是可扩展的。该模型支持多种数据形式，通过上下文学习来理解并执行下游任务，具有很强的可扩展性。

Upscayl 是一款能够将任何图像（未来将支持视频）放大至更高分辨率，并增加细节的工具。它使用先进的算法来提升图像质量，使图像更加清晰和生动。

这个项目能分析图像中对象之间的关系，是一个将Meta的Segment-Anything模型与ECCV'22论文相结合的演示：Panoptic Scene Graph Generation。

gptme是一款可以在本地终端运行的个人AI助手，能够编写代码、使用终端、浏览网页和查看图像。支持多种操作和主流LLM提供商。

stable-video-diffusion.cc 是一个免费工具，利用 Hugging Face 的能力，帮助用户轻松将图像转换为视频，并提供教学视频和相关示例。

CLIP（对比语言-图像预训练）是一种神经网络，训练于各种（图像，文本）对之间。它可以通过自然语言指示，在不直接优化任务的情况下，预测给定图像最相关的文本片段，类似于 GPT-2 和 GPT-3 的零样本能力。

该API旨在检测图像中的不适宜（NSFW）内容。用户只需将图像文件发送到指定的端点，API将利用AI算法分析图像，并提供一个分数，指示图像中包含明确或敏感内容的可能性。

Residual Attention是一种简单但有效的多标签识别方法，利用残差注意机制，能够在多标签任务中表现出色。

这个项目是一个AI在线图像处理工具，能够快速去除图片上的水印。用户只需上传图片，水印将在5秒内被移除，非常方便。