PatchDCT是用于高质量实例分割的补丁细化技术,旨在提高图像分割的精度和效果。该项目利用补丁细化方法,增强了实例分割的性能,适用于多种图像处理任务。
BoundaryFormer是一个利用掩码监督的多边界变换器,专注于实例分割任务。该项目通过多边形边界的学习,提升了实例分割的精度和效率。
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。
WeCLIP是一个强大的语义分割模型,基于冻结的CLIP结构,致力于弱监督学习,通过有效的特征提取提升图像分割的性能,适用于各种计算机视觉任务。
Teammate Lang是针对LLM应用开发与运营的全能解决方案,通过无代码应用构建器、提示管理器、内置多模态AI及A/B测试与分析等功能,提高LLM应用的价值交付、可靠性和投资回报率。
Imagica是一个创新工具,旨在简化与计算机的交互,尤其是在人工智能领域。用户可以在几分钟内构建无代码的AI应用程序,使得节省时间、降低成本和提高效率成为可能,无需深入编程知识。
Modular Diffusion 是一个易于使用的模块化 API,旨在使用 PyTorch 设计和训练自定义扩散模型,适合多种应用场景,包括图像生成和去噪处理。
该项目通过Tensorrt技术加速SAM模型的推理过程,旨在提升图像分割的效率和性能,确保其在多种硬件平台上的兼容性,适用于各类深度学习应用。
FeatUp 是一个与任务和模型无关的框架,用于恢复深层特征中丢失的空间信息,能够将任何模型特征的空间分辨率提高16-32倍,而无需改变其语义。
siliconflow提供 DeepSeek R1、OpenAI o1、GPT-4o、Claude 3.5 和 Gemini 1.5等领先大模型