【人工智能124种任务大集合】-集齐了自然语言处理(NLP),计算机视觉(CV),语音识别,多模态等任务
大家好，我是微学AI，今天给大家介绍一下人工智能124种任务大集合，任务集合主要包括4大类：自然语言处理（NLP）、计算机视觉（CV）、语音识别、多模态任务。
我这里整理了124种应用场景任务大集合，每个任务目录如下：
- 句子嵌入（Sentence Embedding）：将句子映射到固定维度的向量表示形式。
- 文本排序（Text Ranking）：对一组文本进行排序，以确定它们与给定查询的相关性。
- 分词（Word Segmentation）：将连续的文本切分成单词或词块的过程。
- 词性标注（Part-of-Speech）：对句子中的每个词汇标注其相应的词性。
- 标记分类（Token Classification）：将输入的文本序列中的每个标记分类为预定义的类别。
- 命名实体识别（Named Entity Recognition）：识别文本中具有特定意义的命名实体，如人名、地点、组织等。
- 关系抽取（Relation Extraction）：从文本中抽取出实体之间的关系或联系。
- 信息抽取（Information Extraction）：从非结构化文本中提取结构化的信息，如实体、关系和属性等。
- 句子相似度（Sentence Similarity）：衡量两个句子之间的语义相似度或相关性。
- 文本翻译（Translation）：将一种语言的文本转换为另一种语言的过程。
- 自然语言推理（NLI：Natural Language Inference）：判断给定的前提和假设之间的逻辑关系，包括蕴含、矛盾和中立等。
- 情感分类（Sentiment Classification）：将文本分为积极、消极或中性等情感类别。
- 人像抠图（Portrait Matting）：从图像中准确地分离人物主体与背景。
- 通用抠图（Universal Matting）：从图像中准确地分离目标物体与背景，不限于人像。
- 人体检测（Human Detection）：检测图像或视频中的人体位置。
- 图像目标检测（Image Object Detection）：在图像中检测和定位多个目标对象。
- 图像去噪（Image Denoising）：降低图像中的噪声水平，改善图像质量。
- 图像去模糊（Image Deblurring）：恢复模糊图像的清晰度和细节。
- 视频稳定化（Video Stabilization）：对视频进行抖动校正，使其稳定且平滑。
- 视频超分辨率（Video Super-Resolution）：通过增加视频的像素级别细节来提高其分辨率。
- 文本分类（Text Classification）：将文本分类为预定义的类别或标签。
- 文本生成（Text Generation）：根据给定输入生成连续文本的过程。
- 零样本分类（Zero-Shot Classification）：将数据分类为模型从未在训练阶段见过的类别。
- 任务导向对话（Task-Oriented Conversation）：进行与特定任务相关的对话和问答。
- 对话状态跟踪（Dialog State Tracking）：跟踪多轮对话中的用户意图和系统状态的变化。
- 表格问答（Table Question Answering）：根据表格数据回答相关问题。
- 文档导向对话生成（Document-Grounded Dialog Generation）：基于文档内容生成相关对话回复。
- 文档导向对话重新排序（Document-Grounded Dialog Rerank）：对生成的对话回复进行排序，以选择最佳回复。
- 文档导向对话检索（Document-Grounded Dialog Retrieval）：从候选对话中检索与文档相关的最佳对话。
- 文本纠错（Text Error Correction）：自动纠正文本中的拼写错误或语法错误。
- 图像字幕生成（Image Captioning）：根据图像内容生成对图像的描述性文字。
- 视频字幕生成（Video Captioning）：根据视频内容生成对视频的描述性文字。
- 图像人像风格化（Image Portrait Stylization）：将图像中的人物主体应用艺术风格转换。
- 光学字符识别（OCR Detection）：从图像中检测和识别文字。
- 表格识别（Table Recognition）：从图像中自动识别表格结构和内容。
- 无线表格识别（Lineless Table Recognition）：从无线表格图像中自动识别表格结构和内容。
- 文档视觉语义嵌入（Document-VL Embedding）：将文档映射到视觉语义空间的向量表示形式。
- 车牌检测（License Plate Detection）：在图像中检测和定位车辆的车牌区域。
- 填充掩码（Fill-Mask）：根据上下文和部分信息填充给定的掩码。
- 特征提取（Feature Extraction）：从输入数据中提取有意义的特征表示。
- 动作识别（Action Recognition）：识别视频中的动作或行为。
- 动作检测（Action Detection）：在视频中检测和定位特定动作或行为。
- 直播分类（Live Category）：对直播视频进行分类，如体育、新闻、游戏等。
- 视频分类（Video Category）：对视频进行分类，如电影、音乐、体育等。
- 多模态嵌入（Multi-Modal Embedding）：将多种不同模态的数据映射到共享的向量空间。
- 生成式多模态嵌入（Generative Multi-Modal Embedding）：将多模态数据映射到向量表示，并且能够生成与之相关的数据。
- 多模态相似度（Multi-Modal Similarity）：衡量多模态数据（例如图像和文本）之间的相似性或相关性。
- 视觉问答（Visual Question Answering）：根据给定的图像和问题回答相关问题。
- 视频问答（Video Question Answering）：根据给定的视频和问题回答相关问题。
- 视频嵌入（Video Embedding）：将视频序列映射到固定维度的向量表示形式。
- 文本到图像合成（Text-to-Image Synthesis）：根据给定的文本描述合成相应的图像。
- 文本到视频合成（Text-to-Video Synthesis）：根据给定的文本描述合成相应的视频。
- 人体二维关键点（Body 2D Keypoints）：检测和跟踪图像中的人体关键点。
- 人体三维关键点（Body 3D Keypoints）：在三维空间中检测和跟踪人体关键点。
- 手部二维关键点（Hand 2D Keypoints）：检测和跟踪图像中的手部关键点。
- 卡片检测（Card Detection）：在图像中检测和定位特定类型的卡片。
- 内容检查（Content Check）：检查文本或图像中是否存在不良、敏感或违法内容。
- 人脸检测（Face Detection）：检测图像或视频中的人脸位置。
- 人脸活体检测（Face Liveness）：判断图像或视频中的人脸是否为真实的活体，而非照片或视频。
- 人脸识别（Face Recognition）：识别图像或视频中的人脸，并将其与已知的身份进行匹配。
- 面部表情识别（Facial Expression Recognition）：识别图像或视频中人脸的表情状态，如快乐、悲伤、愤怒等。
- 面部属性识别（Face Attribute Recognition）：识别图像或视频中人脸的属性，如年龄、性别、种族等。
- 面部二维关键点（Face 2D Keypoints）：检测和跟踪图像中的面部关键点。
- 面部质量评估（Face Quality Assessment）：评估图像或视频中人脸图像的质量。
- 视频多模态嵌入（Video Multi-Modal Embedding）：将多模态数据（如图像和文本）映射到共享的向量空间。
- 图像色彩增强（Image Color Enhancement）：增强图像的色彩饱和度、对比度和亮度等。
- 虚拟试衣（Virtual Try-On）：通过计算机生成的技术，将虚拟服装应用到真实人体图像上，以实现在线试穿效果。
- 图像上色（Image Colorization）：将灰度图像恢复为彩色图像的过程。
- 视频上色（Video Colorization）：将黑白视频恢复为彩色视频的过程。
- 图像分割（Image Segmentation）：将图像分成多个不同的区域或对象。
- 图像驾驶感知（Image Driving Perception）：利用计算机视觉技术提取图像中与驾驶相关的信息，如车道线、交通标志等。
- 图像深度估计（Image Depth Estimation）：根据单目或双目图像估计场景中物体的深度或距离。
- 室内布局估计（Indoor Layout Estimation）：根据室内图像估计房间的布局结构。
- 视频深度估计（Video Depth Estimation）：根据视频中的帧间信息估计场景中物体的深度或距离。
- 全景深度估计（Panorama Depth Estimation）：在全景图像中估计场景中物体的深度或距离。
- 图像风格迁移（Image Style Transfer）：将一个图像的风格应用到另一个图像上，以生成具有新风格的图像。
- 面部图像生成（Face Image Generation）：生成逼真的面部图像，可以用于人脸数据增强、数据生成等应用。
- 图像超分辨率（Image Super-Resolution）：通过增加图像的像素级细节来提高其分辨率。
- 图像去块效应（Image Debanding）：减少图像中由压缩引起的块状伪影或条纹噪声。
- 图像人像增强（Image Portrait Enhancement）：改善图像中人物主体的外观、肤色等特征。
- 商品检索嵌入（Product Retrieval Embedding）：将商品映射到向量表示形式，以支持商品相关性检索。
- 图像到图像生成（Image-to-Image Generation）：根据给定的输入图像生成相应的输出图像。
- 图像分类（Image Classification）：将图像分类为预定义的类别或标签。
- 光学字符识别（OCR Recognition）：从图像中检测和识别印刷体或手写体的文字。
- 美肤（Skin Retouching）：对人脸图像进行美化处理，去除皮肤瑕疵、磨皮等。
- 常见问题解答（FAQ Question Answering）：根据常见问题回答用户的提问。
- 人群计数（Crowd Counting）：根据图像或视频中的人群密度估计人数。
- 视频单目标跟踪（Video Single Object Tracking）：在视频序列中跟踪单个目标对象。
- 图像人物再识别（Image ReID - Person）：根据图像中的人物外观特征进行身份再识别。
- 文本驱动分割（Text-Driven Segmentation）：根据给定的文本描述，对图像或视频中的对象进行分割。
- 电影场景分割（Movie Scene Segmentation）：将电影或视频分割为不同的场景，每个场景代表一个独立的情节或事件。
- 商店分割（Shop Segmentation）：将商店内的物体或区域从图像或视频中分割出来，用于商品展示、智能监控等应用。
- 图像修复（Image Inpainting）：根据已有的图像内容，填补缺失或损坏的部分，恢复原始图像的完整性。
- 图像按范例绘制（Image Paint-By-Example）：根据给定的范例图像，将其他图像修改为具有相似绘画风格或效果的图像。
- 可控图像生成（Controllable Image Generation）：通过控制输入参数或向量，生成具有特定属性、风格或特征的图像。
- 视频修复（Video Inpainting）：根据已有的视频内容，填补缺失或损坏的帧或区域，恢复原始视频的完整性。
- 视频人像抠像（Video Human Matting）：将视频中的人物从背景中分割出来，以便进行后续的编辑或特效处理。
- 人体重建（Human Reconstruction）：基于给定的图像、视频或传感器数据，重建人体的三维模型或姿态信息。
- 视频帧插值（Video Frame Interpolation）：对给定的两个视频帧之间的帧进行生成，以增加视频的帧率或平滑过渡。
- 视频去隔行（Video Deinterlace）：将隔行扫描的视频转换为逐行扫描，提高视频播放的质量和流畅度。
- 全身人体关键点检测（Human Wholebody Keypoint Detection）：在图像或视频中检测和定位人体的关键点，例如头部、手、脚等。
- 静态手势识别（Hand Static）：通过分析手掌形状、手指姿势等信息，识别图像或视频中的静态手势。
- 人脸、人体和手部检测（Face-Human-Hand Detection）：检测和定位图像或视频中的人脸、人体和手部区域。
- 人脸情绪分析（Face Emotion）：通过分析人脸表情，判断图像或视频中人脸所表达的情绪状态。
- 商品分割（Product Segmentation）：将图像或视频中的商品或产品从背景中分割出来，用于商品识别、广告推荐等应用。
- 参考视频对象分割（Referring Video Object Segmentation）：根据给定的参考图像或视频，对图像或视频中的对象进行分割。
- 视频摘要（Video Summarization）：根据视频的内容和特征，生成视频的摘要或概览，提供视频浏览和检索的便利性。
- 图像天空变换（Image Sky Change）：将图像中的天空部分替换为不同的天空背景，改变图像的氛围和环境。
- 翻译评估（Translation Evaluation）：根据给定的翻译结果，评估其质量、准确性以及与原文的一致性。
- 视频对象分割（Video Object Segmentation）：将视频中的对象从背景中分割出来，以便进行后续的编辑或特效处理。
- 视频多目标跟踪（Video Multi-Object Tracking）：在视频中同时跟踪多个移动目标，实时定位和追踪目标的位置。
- 多视角深度估计（Multi-View Depth Estimation）：通过多个视图或图像，估计场景中物体的三维深度信息。
- 少样本检测（Few-Shot Detection）：在只有少量标注样本的情况下，进行目标检测任务，提高模型的泛化能力。
- 人体形状重塑（Body Reshaping）：根据图像或视频中的人体区域，调整人体的形状、姿态或比例，改变人体外貌。
- 人脸融合（Face Fusion）：将一个人的面部特征或表情融合到另一个人的头像上，生成具有两者特点的合成图像。
- 图像匹配（Image Matching）：在图像库或数据库中，找到与给定图像最相似或匹配的图像。
- 图像质量评估 - 主观评分（Image Quality Assessment - MOS）：通过主观评分的方法，评估图像的质量，反映人眼对图像的感知。
- 图像质量评估 - 降质度量（Image Quality Assessment - Degradation）：通过客观度量的方法，评估图像在不同变换或压缩条件下的质量。
- 视觉高效调优（Vision Efficient Tuning）：通过自动化的方法，快速调优和优化视觉模型和算法，提升计算效率和准确性。
- 三维目标检测（Object Detection 3D）：在三维空间中，检测和定位目标物体的位置、尺寸和姿态。
- 坏图像检测（Bad Image Detecting）：识别和检测出图像中存在的噪点、模糊、失真等不良或低质量的图像。
- Nerf重建精度评估（NeRF Reconstruction Accuracy）：评估神经辐射场(NeRF)模型在建立3D场景重建时的准确性和质量。
- Siamese UIE：Siamese网络用于UIE任务，即输入用户界面元素识别或生成的相关问题。
- 数学公式识别（LatexOCR）：图片中数学公式的latex识别。