图像识别

1. 首页
2. 图像识别

书生·万象InternVL 2.5

书生·万象InternVL 2.5是一款开源多模态大型语言模型，基于InternVL 2.0升级而来。它涵盖了从1B到78B不同规模的模型，支持多种应用场景，包括图像和视频分析、视觉问答、文档理解和信息检索等。InternVL 2.5在多模态理解基准上表现优异，性能超越部分商业模型，并通过链式思考技术提升多模态推理能力。

AI项目与工具 2025年06月12日 100 点赞 0 评论 426 浏览

Pika 2.0

Pika 2.0是一款由Pika Labs开发的AI视频生成工具，具备强大的文本对齐、动作渲染及场景元素整合功能。它能将详细提示转化为连贯且富有想象力的视频剪辑，同时提供自然的动作效果和可信的奇幻物理表现。此外，Pika 2.0支持用户上传和定制化场景元素，通过先进的图像识别技术实现无缝集成，为创作者提供更精细的控制权。这款工具适用于媒体娱乐、电商、教育、工业、医疗和个人创作等多个领域。

AI项目与工具 2025年06月12日 18 点赞 0 评论 108 浏览

Megrez

Megrez-3B-Omni是一款具备全模态理解能力的开源模型，支持图像、音频和文本的综合处理，具备强大的推理效率和多模态交互功能。它能够在多个权威测试集中展现卓越性能，尤其擅长场景理解、OCR识别及语言生成等任务，同时通过智能WebSearch调用增强问题解答能力，适用于个人助理、智能家居、车载系统等多种应用场景。

AI项目与工具 2025年06月12日 25 点赞 0 评论 461 浏览

Explorer

Explorer是一款由Odyssey公司研发的生成性世界模型，主要功能包括将图像转换为高质量的3D场景，并支持动态效果生成。它利用高斯溅射技术和先进的图像识别算法，实现逼真的视觉效果。Explorer生成的场景可无缝集成到主流创作软件中，广泛应用于电影、游戏开发、虚拟现实等领域，显著提升内容创作效率。

AI项目与工具 2025年06月12日 39 点赞 0 评论 244 浏览

MisoraAI

Misora AI是一款集成了深度学习与自然语言处理技术的智能搜索引擎，具备快速搜索、精准匹配及自然语言交互等功能。它不仅能为用户提供即时的文本查询结果，还能生成创意内容如诗歌、故事等，并支持图像描述服务。Misora AI适用于多种场景，包括日常信息查询、学术研究、工作辅助以及娱乐资讯获取，为用户提供了便捷高效的智能化解决方案。

AI项目与工具 2025年06月12日 51 点赞 0 评论 410 浏览

ChiChat

ChiChat是一款由AI技术支持的多功能智能助手平台，提供自然语言交互、文档分析、图像识别及创意图像生成等功能。其核心特性包括支持多页文档解析、多层图像识别、DALL-E图像生成以及实时搜索能力。ChiChat适用于客户服务、教育辅导、企业知识管理及个人事务处理等多种应用场景。

AI项目与工具 2025年06月12日 72 点赞 0 评论 390 浏览

MNN

MNN是一个由阿里巴巴开源的轻量级深度学习推理框架，支持多种模型格式和网络结构，具备高性能、低内存占用及跨平台特性。它通过模型量化、计算图优化和异构计算等技术，在移动设备和嵌入式系统中实现高效推理。主要功能涵盖模型转换、硬件加速、内存优化及多模型支持，广泛应用于图像识别、语音处理、智能家居及工业检测等领域。

AI项目与工具 2025年06月12日 76 点赞 0 评论 352 浏览

探一下

探一下是一款依托于多模态大模型技术的AI视觉搜索工具，用户可通过其摄像头识别花草、宠物、潮玩等物体，获取旅游讲解、商品药品详情等信息，同时具备趣味解读图片的功能，支持文字翻译与场景触发滤镜，适用于多种生活场景。 ---

AI项目与工具 2025年06月12日 47 点赞 0 评论 491 浏览

GeoSpy

GeoSpy是一款基于AI技术的照片地理定位工具，可准确识别照片拍摄位置并输出经纬度坐标。它支持批量处理、地图集成和API接口，适用于研究、执法、新闻核实等多种场景，帮助用户深入挖掘图像背后的地理信息。

AI项目与工具 2025年06月12日 54 点赞 0 评论 318 浏览

日日新融合大模型

日日新融合大模型（SenseNova）是商汤科技推出的多模态AI系统，支持文本、图像、视频等多种数据的融合处理，具备强大的深度推理与多模态分析能力。该模型在多个权威评测中表现优异，广泛应用于自动驾驶、视频交互、办公教育、金融、园区管理及工业制造等领域，提升了多场景下的智能化水平。

AI项目与工具 2025年06月12日 88 点赞 0 评论 408 浏览