相似度学习
Definition
相似度学习专注于训练模型，将输入映射到向量空间，其中相似的项目彼此靠近，不相似的项目相距较远。常用的技术包括孪生网络和三元组损失函数。
Summary
一种机器学习方法，通过学习 …
Computer Vision
光学字符识别
Definition
光学字符识别（OCR）利用图像处理与模式识别算法来识别数字图像中的文本。它将打印或手写的字符转换为机器编码的数据，从而实现信息的数字化提取。
Summary
OCR 是一项将扫描 …
目标检测
Definition
目标检测扩展了图像分类的功能，不仅确定存在哪些对象，还确定它们的位置。它输出检测到的项目周围的边界坐标及其类别标签。
Summary
一种计算机视觉技术，使用边界框在图像或视频流 …
LocateAnything
Definition
LocateAnything 是一个多功能计算机视觉框架，能够基于自然语言提示或通用先验知识，检测并分割图像中的物体。它利用预训练的基础模型泛化能力，实现零样本环境下的精准定位与 …
智能文字识别
Definition
智能文字识别是指由神经网络驱动的高级光学字符识别（OCR）技术。它超越了简单的模式匹配，通过理解上下文并处理n
Summary
利用人工智能算法（特别是深度学习）准确识别和解读来 …
图像到图像
Definition
图像到图像（Image To Image, I2I）涉及使用深度学习模型（如生成对抗网络GANs或扩散模型）将一张图像转换为另一张图像。与简单的滤镜不同，I2I可以极大地改变外 …
Diffusers: Stable Video Diffusion Pipeline
Definition
该术语指 Hugging Face Diffusers 库中专为视频生成设计的特定实现。它集成了 Stable Video Diffusion (SVD) 模型，这是一种潜在视频 …
数据集：嵌入数据/Flickr30K 描述
Definition
Flickr30K Captions 是一个广泛使用的基准数据集，包含 31,783 张图像，每张图像都标注了五个不同的英文句子来描述视觉内容。它作为构建跨模态理解模型的基础资 …
视觉（Visual）
Definition
AI 中的“视觉”一词主要涉及计算机视觉领域，该领域致力于使机器能够从数字图像、视频和其他视觉输入中提取有意义的信息。它涉及图像处理、对象检测等技术。
Summary
与视力或图 …
感知
Definition
AI 感知涉及将原始传感器数据转换为可由更高层推理模块处理的意义信息。这包括用于解释视觉场景的计算机视觉、用于处理声音的语音识别以及用于理解文本的自然语言处理。
Summary
…
匹配
Definition
匹配是机器学习中用于建立不同数据实体之间关系的关键技术。在计算机视觉中，特征匹配用于识别图像间的对应点；在推荐系统中，则用于匹配用户偏好与物品特征。
Summary
匹配涉及将两 …