正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

Codex 5.6 让 3D 建模师压力山大了！最近挖到一个宝藏开源项目 img2threejs，直接把 AI Coding 和 3D 创作连接起来。接入 Codex 5.6 后，一张参考图，就能跑通： 2D 图像 → 结构分析 → Three.js 程序化模型 → 浏览器实时交互 1️⃣ 意图识别：一张图，Codex 5.6 就能精准捕捉 3D 对象的形态与细节意图 2️⃣ 代码化身：它将意图转化为可编辑、可动画的 Three.js 代码，告别传统建模的繁琐 3️⃣ 动画就绪：生成的模型自带运行时层级，直接用于游戏、XR，真正实现从图像到可动资产的闭环地址：

爱丽丝呀！

19,419 subscribers

239,244 次观看 • 5 天前 •via X (Twitter)

科学技术教育

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

为什么你的 Codex 5.6 搓出来的 3D 像一堆方块，别人的是产品级？之前给大家分享的一个宝藏开源项目img2threejs，接入 Codex 5.6 后，就能完成： 2D 图像 → 结构分析 → Three.js 程序化模型 → 浏览器实时交互它真正拉开差距的地方在于，给 AI 加了一套完整的程序化建模操作系统： 1️⃣AI 深度拆解轮廓、比例、细节特征 2️⃣从 Blockout 到灯光、交互，步步精进 3️⃣浏览器渲染对比，不完美就修改 4️⃣保留运行时层级、轴点和插槽所以真正拉开你和产品级差距的，是你有没有把建模标准、检查点和返工机制，像 img2threejs 一样，写进你的提示词。这才是 Codex 5.6 真正开挂的玩法！我把我的promote放在评论区，可以参考～项目地址：

为什么你的 Codex 5.6 搓出来的 3D 像一堆方块，别人的是产品级？之前给大家分享的一个宝藏开源项目img2threejs，接入 Codex 5.6 后，就能完成： 2D 图像 → 结构分析 → Three.js 程序化模型 → 浏览器实时交互它真正拉开差距的地方在于，给 AI 加了一套完整的程序化建模操作系统： 1️⃣AI 深度拆解轮廓、比例、细节特征 2️⃣从 Blockout 到灯光、交互，步步精进 3️⃣浏览器渲染对比，不完美就修改 4️⃣保留运行时层级、轴点和插槽所以真正拉开你和产品级差距的，是你有没有把建模标准、检查点和返工机制，像 img2threejs 一样，写进你的提示词。这才是 Codex 5.6 真正开挂的玩法！我把我的promote放在评论区，可以参考～项目地址：

爱丽丝呀！

76,929 次观看 • 2 天前

兄弟们魔法展示🪄 StarVector：SVG 向量图形生成模型可以输入任意图像或者通过描述生成生成高质量 SVG 文件它将 SVG 矢量图的生成转化为“代码生成任务” 你只需要它一张图标、LOGO 图 👉 它就能自动“转描”为一份可编辑的矢量图或者通过文字描述比如： “画一个圆形中有星星的徽章” 👉 它能根据这句话生成一张可用的 SVG 图像

小互

36,899 次观看 • 1 年前

我现在都是让 Codex 替我画架构图，这感觉别提有多爽了以前做一个量化交易系统图、Agent 架构图、策略流程图：改一个模块，要重新拖半天。 drawio-scientific-illustrator 是一个 Codex 插件，能让 AI 通过 MCP 实时控制 draw 画布，一步一步绘制科学图示。装上这个 Skill 后，Codex 可以直接把图片 1:1 重建成可编辑 draw 文件。然后就会得到每个元素都可以修改的可编辑图片！我就喜欢拿来做量化框架图，这感觉真的很爽！

我现在都是让 Codex 替我画架构图，这感觉别提有多爽了以前做一个量化交易系统图、Agent 架构图、策略流程图：改一个模块，要重新拖半天。 drawio-scientific-illustrator 是一个 Codex 插件，能让 AI 通过 MCP 实时控制 draw 画布，一步一步绘制科学图示。装上这个 Skill 后，Codex 可以直接把图片 1:1 重建成可编辑 draw 文件。然后就会得到每个元素都可以修改的可编辑图片！我就喜欢拿来做量化框架图，这感觉真的很爽！

爱吃折耳根的Ace

94,943 次观看 • 4 天前

ComfyUI-Copilot 赋予ComfyUI工作流能实现和GPT 4o一样的自然语言图像生成和编辑能力可以通过聊天来帮你搭建图像生成流程，即使你不懂复杂的 AI 流程，也能轻松使用 ComfyUI 来生成和编辑图像和视频等内容。它就像 ChatGPT + SD + 节点图的结合体，可以帮你自动： -自动搭建节点流程图 -推荐合适的模型和节点 -解释每个节点是干什么的 -帮你诊断错误，修复问题 -用中文/英文回答问题，甚至推荐下载链接 📝 举个例子：生成一张森林中的梦幻女孩图你只需输入： “我想生成一张SDXL风格的森林中的女孩图像，用LoRA模型，有雾气感。” Copilot 会自动：选择 SDXL 模型插入相关 LoRA 节点自动连接 Encode、Sampler、Output 等节点优化提示词搭建好整个流程你几乎什么都不用动手，直接可以生成图像！

ComfyUI-Copilot 赋予ComfyUI工作流能实现和GPT 4o一样的自然语言图像生成和编辑能力可以通过聊天来帮你搭建图像生成流程，即使你不懂复杂的 AI 流程，也能轻松使用 ComfyUI 来生成和编辑图像和视频等内容。它就像 ChatGPT + SD + 节点图的结合体，可以帮你自动： -自动搭建节点流程图 -推荐合适的模型和节点 -解释每个节点是干什么的 -帮你诊断错误，修复问题 -用中文/英文回答问题，甚至推荐下载链接 📝 举个例子：生成一张森林中的梦幻女孩图你只需输入： “我想生成一张SDXL风格的森林中的女孩图像，用LoRA模型，有雾气感。” Copilot 会自动：选择 SDXL 模型插入相关 LoRA 节点自动连接 Encode、Sampler、Output 等节点优化提示词搭建好整个流程你几乎什么都不用动手，直接可以生成图像！

小互

26,544 次观看 • 1 年前

阿里刚刚搞了一个可将图像拆分成多个RGBA图层的模型：Qwen-Image-Layered，像Photoshop里图层一样这种分层使得图像可内在编辑，可以对单个图层进行操作，而不影响其他内容，保障了图像编辑的高保真和一致性比如说，一张有蓝天、白云、山峦和一棵树的风景照，你想移动那棵树，但栅格图像的纠缠性会使局部修改影响全局，而Qwen-Image-Layered只修改“树”那一层模型不限固定的图层数量，支持可变数量的图层分解分解过程可以递归进行，任意一个图层本身都可以被进一步分解 Qwen-Image-Layered对图像的结构化和分层能力，相当于让AI改图从粗修走向了精修，对设计师或者电商、广告行业比较实用 #AI图像编辑 #QwenImageLayered #AI修改

阿里刚刚搞了一个可将图像拆分成多个RGBA图层的模型：Qwen-Image-Layered，像Photoshop里图层一样这种分层使得图像可内在编辑，可以对单个图层进行操作，而不影响其他内容，保障了图像编辑的高保真和一致性比如说，一张有蓝天、白云、山峦和一棵树的风景照，你想移动那棵树，但栅格图像的纠缠性会使局部修改影响全局，而Qwen-Image-Layered只修改“树”那一层模型不限固定的图层数量，支持可变数量的图层分解分解过程可以递归进行，任意一个图层本身都可以被进一步分解 Qwen-Image-Layered对图像的结构化和分层能力，相当于让AI改图从粗修走向了精修，对设计师或者电商、广告行业比较实用 #AI图像编辑 #QwenImageLayered #AI修改

AIGCLINK

31,371 次观看 • 7 个月前

最近发现一个实用的开源项目：OpenCodex。它可以让 Codex 不再局限于 GPT 模型，还能接入 Kimi、Grok、GLM 等其他大模型。配置一次后，原来的 Codex 应用和工作流基本不用变，需要时直接切换模型即可。开源地址

最近发现一个实用的开源项目：OpenCodex。它可以让 Codex 不再局限于 GPT 模型，还能接入 Kimi、Grok、GLM 等其他大模型。配置一次后，原来的 Codex 应用和工作流基本不用变，需要时直接切换模型即可。开源地址

雪踏乌云

322,486 次观看 • 10 天前

美图昨天发布了他们的MiracleVision 4.0图像模型，野心很大啊，几乎上线了现在 AI 画图和视频能做的所有事情，但是除了 AI 画图之外，AI 视频我没找到体验的地方，又是个期货发布会。下面是所有主要能力： ✦ AI 画图-矢量图形：画布中选一个区域，输入提示词，就可以生成匹配设计风格的矢量图形。 ✦ AI 画图-文字特效：输入任意想要的字形，如“MV”，同时输入“半透明玻璃，灯泡”就能生成对应的文字特效。 ✦ AI 画图-智能抠图：只需涂抹对象，AI就能够快速识别，自动提取，再转换成独立的图层。 ✦ AI 画图 -智能排版：可以帮你轻松排版。通过自然语言交互，对文字的布局、图像和元素的组合进行设计。模型商店：用户可以自己创建对应的 AI 画图风格模型并上架。 ✦ AI 视频-文生视频：输入提示词，就能生成一段视频。 ✦ AI 视频-图生视频：上传图片，让图片动起来。 ✦ AI视频-视频运镜：提供了推、拉、摇、移等八种电影级运镜模式。 ✦ AI视频-视频生视频：对已有视频提供风格转换的能力。 ✦ AI视频-商品展示：让商品展示图片动起来，变成视频。

美图昨天发布了他们的MiracleVision 4.0图像模型，野心很大啊，几乎上线了现在 AI 画图和视频能做的所有事情，但是除了 AI 画图之外，AI 视频我没找到体验的地方，又是个期货发布会。下面是所有主要能力： ✦ AI 画图-矢量图形：画布中选一个区域，输入提示词，就可以生成匹配设计风格的矢量图形。 ✦ AI 画图-文字特效：输入任意想要的字形，如“MV”，同时输入“半透明玻璃，灯泡”就能生成对应的文字特效。 ✦ AI 画图-智能抠图：只需涂抹对象，AI就能够快速识别，自动提取，再转换成独立的图层。 ✦ AI 画图 -智能排版：可以帮你轻松排版。通过自然语言交互，对文字的布局、图像和元素的组合进行设计。模型商店：用户可以自己创建对应的 AI 画图风格模型并上架。 ✦ AI 视频-文生视频：输入提示词，就能生成一段视频。 ✦ AI 视频-图生视频：上传图片，让图片动起来。 ✦ AI视频-视频运镜：提供了推、拉、摇、移等八种电影级运镜模式。 ✦ AI视频-视频生视频：对已有视频提供风格转换的能力。 ✦ AI视频-商品展示：让商品展示图片动起来，变成视频。

歸藏(guizang.ai)

110,739 次观看 • 2 年前

Lovart × Nano Banana 有点开挂的感觉让你从“单点出图”进化成“可交付的内容生产” Agent 的能力+强大的图像模型编辑能力无需来回切换工具，在一个画布窗口里面你就能轻松的完成各种的图像生成+编辑+产品拍摄+海报制作等同时还能进行视频创作，完全的一条龙下面是我从无到有创造一个模特的过程让你一个人即可可以实现“产品电商一条龙”：创造模特 → 商拍质感 → 上架所需套图

Lovart × Nano Banana 有点开挂的感觉让你从“单点出图”进化成“可交付的内容生产” Agent 的能力+强大的图像模型编辑能力无需来回切换工具，在一个画布窗口里面你就能轻松的完成各种的图像生成+编辑+产品拍摄+海报制作等同时还能进行视频创作，完全的一条龙下面是我从无到有创造一个模特的过程让你一个人即可可以实现“产品电商一条龙”：创造模特 → 商拍质感 → 上架所需套图

小互

23,259 次观看 • 10 个月前

分享一个超实用的开源项目：Next AI Draw io（GitHub 2.8万+🌟）一句话就能生成复杂架构图！再也不用手动拖框框画图了！用自然语言跟 AI 聊天，就能瞬间生成专业 draw io 图表： · 系统架构图、RAG 流程、Transformer 结构、AWS 云架构…… · 支持上传图片/PDF → AI 自动复刻或优化 · 实时聊天迭代、动画连接线、历史版本 · 兼容 Claude、DeepSeek、GPT 等多模型地址：开发者必备神器～部署超简单，下面视频也录制了几个我测试的案例～简单的几秒生成一个～

分享一个超实用的开源项目：Next AI Draw io（GitHub 2.8万+🌟）一句话就能生成复杂架构图！再也不用手动拖框框画图了！用自然语言跟 AI 聊天，就能瞬间生成专业 draw io 图表： · 系统架构图、RAG 流程、Transformer 结构、AWS 云架构…… · 支持上传图片/PDF → AI 自动复刻或优化 · 实时聊天迭代、动画连接线、历史版本 · 兼容 Claude、DeepSeek、GPT 等多模型地址：开发者必备神器～部署超简单，下面视频也录制了几个我测试的案例～简单的几秒生成一个～

爱丽丝呀！

29,330 次观看 • 2 个月前

Muse Pro：一款专为iPad设计的AI实时画图应用这个直接把AI实时画图商业化了能够进行实时绘画，每一个笔触都能即时转化为数字画面，极大地提升了创作的直观性和互动性。还能快速对图像进行增强和放大，提升效果和分辨率，可以直接打印。主要特色： 1、实时绘画：借助AI的力量，你的每一笔都能即时反映在画布上，让你的创意瞬间变为现实。 2、快速增强和放大：提供秒级的图像增强和放大功能，轻松生成适合打印的高质量作品。 3、直观设计与高级图层：应用设计直观，支持高级图层操作，便于艺术家创作复杂作品。 4、自定义画笔：提供丰富的自定义画笔，满足不同艺术风格和技巧的需求。官网：

Muse Pro：一款专为iPad设计的AI实时画图应用这个直接把AI实时画图商业化了能够进行实时绘画，每一个笔触都能即时转化为数字画面，极大地提升了创作的直观性和互动性。还能快速对图像进行增强和放大，提升效果和分辨率，可以直接打印。主要特色： 1、实时绘画：借助AI的力量，你的每一笔都能即时反映在画布上，让你的创意瞬间变为现实。 2、快速增强和放大：提供秒级的图像增强和放大功能，轻松生成适合打印的高质量作品。 3、直观设计与高级图层：应用设计直观，支持高级图层操作，便于艺术家创作复杂作品。 4、自定义画笔：提供丰富的自定义画笔，满足不同艺术风格和技巧的需求。官网：

小互

23,149 次观看 • 2 年前

阿里巴巴发布Wan2.1-VACE 开源模型该模型不仅可以直接“生成”视频还能对已有视频进行各种复杂的编辑和再创作处理，而且只用一个模型就能完成所有这些工作。你可以可以精准控制视频中角色的动作、姿态、方向、构图布局、运动轨迹、风格风貌等。支持的输入类型：文本（prompt）图像（图片参考）视频（原视频编辑）遮罩 Mask（指定修改区域）控制信号（如深度图、光流图、灰度图、布局图、线稿等）

阿里巴巴发布Wan2.1-VACE 开源模型该模型不仅可以直接“生成”视频还能对已有视频进行各种复杂的编辑和再创作处理，而且只用一个模型就能完成所有这些工作。你可以可以精准控制视频中角色的动作、姿态、方向、构图布局、运动轨迹、风格风貌等。支持的输入类型：文本（prompt）图像（图片参考）视频（原视频编辑）遮罩 Mask（指定修改区域）控制信号（如深度图、光流图、灰度图、布局图、线稿等）

小互

35,093 次观看 • 1 年前

最强SVG生成大模型出现了！OmniSVG！这个大模型基于Qwen2.5-VL,并集成了 SVG 标记化器。该模型将文本和图像输入都标记为前缀标记，同时 SVG 标记化器将矢量图形命令编码到一个统一的空间表示。带来了超级震撼的SVG生成效果。不说了大家直接看视频。目前这个模型的论文和数据集已经放出，模型暂时还没有放到HuggingFace上。等发布了之后我将第一时间为大家带来测试！地址：

最强SVG生成大模型出现了！OmniSVG！这个大模型基于Qwen2.5-VL,并集成了 SVG 标记化器。该模型将文本和图像输入都标记为前缀标记，同时 SVG 标记化器将矢量图形命令编码到一个统一的空间表示。带来了超级震撼的SVG生成效果。不说了大家直接看视频。目前这个模型的论文和数据集已经放出，模型暂时还没有放到HuggingFace上。等发布了之后我将第一时间为大家带来测试！地址：

karminski-牙医

52,930 次观看 • 1 年前

兄弟们这个牛P 学习“神器”来了！把任何书本上的图表、公式变成互动实验物理知识轻松掌握！能让普通物理教材中的静态图表变成互动的、动态的模拟器，让你可以动手操作，甚至实时看到物理现象的变化。不需要编写代码，只需点击几下，就可以自己“动手”做实验！ Augmented Physics 可以将静态图表（如光学、运动学、摆、电路等）变成可以操作的动态模拟实验。比如，你可以调整镜片位置，看看光线如何变化。这款工具的核心功能包括： -自动提取课本中的物理图表，让你轻松从PDF教材中获取需要的图表。 -生成交互式模拟，你可以像做实验一样调整图表中的物体和参数，观察变化。 -动态可视化数据，比如让摆动的物体展示角度随时间的变化，或者看到电路中电流和电压的变化。

兄弟们这个牛P 学习“神器”来了！把任何书本上的图表、公式变成互动实验物理知识轻松掌握！能让普通物理教材中的静态图表变成互动的、动态的模拟器，让你可以动手操作，甚至实时看到物理现象的变化。不需要编写代码，只需点击几下，就可以自己“动手”做实验！ Augmented Physics 可以将静态图表（如光学、运动学、摆、电路等）变成可以操作的动态模拟实验。比如，你可以调整镜片位置，看看光线如何变化。这款工具的核心功能包括： -自动提取课本中的物理图表，让你轻松从PDF教材中获取需要的图表。 -生成交互式模拟，你可以像做实验一样调整图表中的物体和参数，观察变化。 -动态可视化数据，比如让摆动的物体展示角度随时间的变化，或者看到电路中电流和电压的变化。

小互

57,310 次观看 • 1 年前

这次我用 Qwen3.8-Max 完成了三个代码项目，其中最直观的是一个类似《我的世界》的网页游戏。游戏已经具备完整的可玩性：角色可以移动、跳跃和探索地图，也可以挖掘、放置方块、切换物品，并使用背包与合成系统。地形能够自动生成，基础的生存机制也已经实现。另外两个项目分别是可交互的 3D AI 芯片展示，以及读取19个真实来源的多模态供应商评审系统。 Qwen3.8-Max 还是个开源模型，国产模型真是越来越强了。

这次我用 Qwen3.8-Max 完成了三个代码项目，其中最直观的是一个类似《我的世界》的网页游戏。游戏已经具备完整的可玩性：角色可以移动、跳跃和探索地图，也可以挖掘、放置方块、切换物品，并使用背包与合成系统。地形能够自动生成，基础的生存机制也已经实现。另外两个项目分别是可交互的 3D AI 芯片展示，以及读取19个真实来源的多模态供应商评审系统。 Qwen3.8-Max 还是个开源模型，国产模型真是越来越强了。

雪踏乌云

68,246 次观看 • 11 天前

1/ GitMind ｜ GitMind - 思维导图自动生成器🎯 一句话生成专业脑图，告别手工画图时代 💸 ✅ 语音转脑图 ✅ 视频转脑图 ✅ 一句话生成脑图马上尝试： 💰4种爆赚玩法： 1️⃣ 内容创作加速器：视频/播客/文章结构秒搭建 2️⃣ 打造知识付费产品：梳理体系知识，做成电子书、微课、训练营 3️⃣ 售卖模板资源包：打包可复用的结构模板，上传社群/知识星球/淘宝变现 4️⃣ 运营内容账号引流接单：发布爆款拆解、内容模型导图，吸引客户、卖模板

1/ GitMind ｜ GitMind - 思维导图自动生成器🎯 一句话生成专业脑图，告别手工画图时代 💸 ✅ 语音转脑图 ✅ 视频转脑图 ✅ 一句话生成脑图马上尝试： 💰4种爆赚玩法： 1️⃣ 内容创作加速器：视频/播客/文章结构秒搭建 2️⃣ 打造知识付费产品：梳理体系知识，做成电子书、微课、训练营 3️⃣ 售卖模板资源包：打包可复用的结构模板，上传社群/知识星球/淘宝变现 4️⃣ 运营内容账号引流接单：发布爆款拆解、内容模型导图，吸引客户、卖模板

Bitturing

13,054 次观看 • 1 年前

延续codex + hyperframe全自动制作图书号话题我是真打算做上线的兄弟们这次补充了一些细节：首先是加了开头，开头很简单，先生图，再图生3秒视频就够了，目的是吸睛接着是书籍图片滚动效果，这个直接剪映，做一次后面当片头模版就行然后就是正片加了一些hyperframe自己的转场最后想提个点，不是视频展示出来的。可以和codex对话来创建一个合理的项目目录。目的是维护多账号矩阵下的配置，素材和产出balabala

延续codex + hyperframe全自动制作图书号话题我是真打算做上线的兄弟们这次补充了一些细节：首先是加了开头，开头很简单，先生图，再图生3秒视频就够了，目的是吸睛接着是书籍图片滚动效果，这个直接剪映，做一次后面当片头模版就行然后就是正片加了一些hyperframe自己的转场最后想提个点，不是视频展示出来的。可以和codex对话来创建一个合理的项目目录。目的是维护多账号矩阵下的配置，素材和产出balabala

阿策

17,417 次观看 • 14 天前

👏扣子3.0 发布了。这版我最期待的两个功能：一是"多人多 Agent 协作"——把不同的 Agent 拉进同一个项目，@ 来 @ 去分工干活；二是能把本地的 Claude Code、Codex 直接接进去托管。我平时主力就用 Claude Code，自己还折腾过几个让多 Agent 协作的小工具： - multi-agent：用 tmux 分屏把 Claude、Codex 拉起来，按顺序调度 - hero-coding：一个 Go 写的小程序，让 Agent 写完代码自动跑测试、再过一遍审查 - roundtable：让几个不同的模型对着同一个问题互相辩论，出一个结论我第一时间就上手了。先接入：本地配好的 Claude Code、Codex 点几下就接进来托管，不用重配；一个项目里我拉三个 Agent —— 本地的 Claude Code、本地的 Codex、Coze Agent。然后我在项目里 @ Claude Code，让它读我本地那个 hero-coding，它确实能读到内容，而且不单单是能读文件。我又让它调我本地的 imgen SKILL（我自己写的文生图工具）生成一张图，再通过我自己的 coze-bridge 把图发回聊天里——图真出来了，一张未来感城市夜景。也就是说，我电脑上的整套工具链、skill 它都能调起来用，云端和本地直接打通。

👏扣子3.0 发布了。这版我最期待的两个功能：一是"多人多 Agent 协作"——把不同的 Agent 拉进同一个项目，@ 来 @ 去分工干活；二是能把本地的 Claude Code、Codex 直接接进去托管。我平时主力就用 Claude Code，自己还折腾过几个让多 Agent 协作的小工具： - multi-agent：用 tmux 分屏把 Claude、Codex 拉起来，按顺序调度 - hero-coding：一个 Go 写的小程序，让 Agent 写完代码自动跑测试、再过一遍审查 - roundtable：让几个不同的模型对着同一个问题互相辩论，出一个结论我第一时间就上手了。先接入：本地配好的 Claude Code、Codex 点几下就接进来托管，不用重配；一个项目里我拉三个 Agent —— 本地的 Claude Code、本地的 Codex、Coze Agent。然后我在项目里 @ Claude Code，让它读我本地那个 hero-coding，它确实能读到内容，而且不单单是能读文件。我又让它调我本地的 imgen SKILL（我自己写的文生图工具）生成一张图，再通过我自己的 coze-bridge 把图发回聊天里——图真出来了，一张未来感城市夜景。也就是说，我电脑上的整套工具链、skill 它都能调起来用，云端和本地直接打通。

劳伦斯

27,423 次观看 • 1 个月前

Meta昨晚开源了款通用图像识别模型：DINOv3，核心能力在于无需人工标注，可以自己学习图像特征 DINOv3通过自监督学习框架实现，无需人工标注在基准测试上，性能与SigLIP 2、Perception Encoder等持平甚至超越它可以生成高质量高分辨率的密集图像特征表示，能捕捉图像的全局信息以及局部细节可以处理图像分类、目标检测、语义分割、图像检索、深度估计等等视觉任务除了普通照片，还可以处理卫星图像、医学图像等等可以用于环境监测中的图像分析、自动驾驶中的物体识别、医疗保健中的医学图像分析、安防监控中的人员识别等等 #DINOv3 #图像识别模型

Meta昨晚开源了款通用图像识别模型：DINOv3，核心能力在于无需人工标注，可以自己学习图像特征 DINOv3通过自监督学习框架实现，无需人工标注在基准测试上，性能与SigLIP 2、Perception Encoder等持平甚至超越它可以生成高质量高分辨率的密集图像特征表示，能捕捉图像的全局信息以及局部细节可以处理图像分类、目标检测、语义分割、图像检索、深度估计等等视觉任务除了普通照片，还可以处理卫星图像、医学图像等等可以用于环境监测中的图像分析、自动驾驶中的物体识别、医疗保健中的医学图像分析、安防监控中的人员识别等等 #DINOv3 #图像识别模型

AIGCLINK

11,415 次观看 • 11 个月前