2D视觉第5页

Linly-Talker：开源数字人框架的技术解析与影响

一、引言：AI数字人的发展趋势近年来，数字人（DigitalHuman）技术迅速发展，从最早的2D虚拟主播，到如今能够进行实时交互的3D智能助手，AI在多模态交互领域的应用愈发广泛。

萧鼎·2025-03-13 08:23

整理：开启新征程！四篇文章助力 AI，告别 “3D理解困难户”

目前的MLLM主要是用2D图片训练出来的，也就是说，它们更擅长识别平面的信息，比如照片中的人和物体。但是，现实世界是三维的（3D），仅靠2D图片训练的模型很难准确理解物体的立体关系。

mslion·2025-03-13 07:17

YOLOv8改进策略【注意力机制篇】| EMA 即插即用模块，提高远距离建模依赖（含C2f二次创新）

EMA认为跨维度交互有助于通道或空间注意力预测，并且解决了现有注意力机制在提取深度视觉表示时可能带来的维度缩减问题。

Limiiiing·2025-03-13 06:14

YOLOv5改进：在C3块不同位置添加EMA注意力机制，有效提升计算机视觉性能

计算机视觉中的目标检测是一个重要的任务，而YOLOv5是目前广泛应用的一种高效目标检测算法。

UksApps·2025-03-13 06:13

HALCON联合C#检测表面缺陷——视觉检测浅谈

今天和大家浅谈一下工业视觉检测，纯属个人见解。

奔跑的郑·2025-03-13 05:02

【机械视觉】C#+VisionPro联合编程———【五、硬币检测小项目实现(C#+VisionPro联合编程和csv文件格式操作)】

【机械视觉】C#+VisionPro联合编程———【五、硬币检测小项目实现(C#+VisionPro联合编程和csv文件格式操作)】项目介绍总共有十二张检测的图片，当点击检测按钮时检测当前展示的图片并且将检测效果展示在表格中

_Csharp·2025-03-13 04:55

opencv python 光流法

OpticalFlow光流法光流是由对象或相机的移动引起的两个连续帧之间的图像对象的明显运动的模式.它是2D矢量场，其中每个矢量是位移矢量，表示从第一帧到第二帧的点的移动.上图表示的是一个球在连续的5帧图像中的运动

weixin_34241036·2025-03-13 04:53

OpenCV-Python 光流

它是一个2D向量场，可以用来显示一个点从第一帧图像到第二帧图像之间的移动。

LeonDL168·2025-03-13 03:21

iOS 18 系统功能解析目录

系统功能解析目录iOS18系统功能解析引言第一部分：iOS18系统架构全解析1.1全新系统设计理念1.2核心架构与硬件协同1.3安全架构与隐私保护1.4跨平台生态协同第二部分：用户界面与交互体验的革新2.1全新视觉设计

蓝鲸忘了海·2025-03-13 03:47

Chebykan wx 文章阅读

文献筛选[1]神经网络：全面基础[2]通过sigmoid函数的超层叠近似[3]多层前馈网络是通用近似器[5]注意力是你所需要的[6]深度残差学习用于图像识别[7]视觉化神经网络的损失景观[8]牙齿模具点云补全通过数据增强和混合

やっはろ·2025-03-13 02:44

LeNet-5卷积神经网络详解

它的成功不仅证明了卷积神经网络在计算机视觉任务中的有效性，更为后来深度学习的发展奠定了重要基础。图1：LeNet-5网络结构示意图2.网络结构LeNet-5的结构非常优雅且

LChuck·2025-03-13 02:12

一文了解汽车图像传感器

当前的自动驾驶感知技术主要有两大技术路线：一种是仅使用摄像头作为传感器进行信息采集的纯视觉路线，一种是同时使用“摄像头＋雷达”的多传感器融合路线。这两种方案的共同之处在于都需要摄像头作为基础

沧海一升·2025-03-13 02:11

视觉拣选机械臂

本项目机器人拣选工作站应用于以下场景：机器人拣选系统，用于3C产品，美妆个护产品，免注册模式，散乱、密排放置，目的箱视觉引导投放，可实现柔性放货。

骞途·2025-03-13 02:40

【论文阅读】Learning Transferable Visual Models From Natural Language Supervision（2021）

摘要State-of-the-art（最先进的）computervisionsystems（计算机视觉系统）aretrainedtopredictafixedsetofpredeterminedobjectcategories

Bosenya12·2025-03-13 01:02

Android Low Storage机制(DeviceStorageMonitorService)

文章目录1.lowstorage简介(DeviceStorageMonitorService)2.DeviceStorageMonitorService代码介绍2.1服务初始化2.2DeviceStorageMonitorInternal

wd623894174·2025-03-13 00:58

《HTML + CSS + JS 打造炫酷轮播图详解》

打造炫酷轮播图详解》一、项目概述本次项目旨在使用HTML、CSS和JavaScript实现一个具有基本功能的轮播图，包括图片自动轮播、上一张/下一张按钮切换、小圆点指示与切换等功能，以提升网页的交互性和视觉吸引力

ningmengjing_·2025-03-13 00:26

InternVL：论文阅读 -- 多模态大模型(视觉语言模型)

XiaoJ1234567·2025-03-12 23:20

VLRMBench ：一个涵盖数学推理、幻觉理解、多图像理解等多种任务的视觉-语言奖励模型基准测试数据集

是一个专门用于评估视觉-语言奖励模型的综合性基准测试，包含12,634个问题，覆盖数学推理、幻觉理解和多图像理解三大领域。为视觉-语言奖励模型的全面评估提供了新的标准，推动了该领域的发展。

·2025-03-12 22:23

AI电商文生图comfyui工作流搭建定制

触站AI：AI电商文生图comfyui工作流搭建定制在电商的海洋中，触站AI以其专业comfyui图像生成技术，为品牌打造个性化视觉体验，提升用户界面的舒适度和亲和力。️

AI信息官·2025-03-12 22:13

如何增强机器学习基础，提升大模型面试通过概率

我的好朋友没有通过面试所以我给我的好朋友准备了这一篇学习路线随着大模型（如Transformer、GPT-4、LLaMA等）在自然语言处理（NLP）、计算机视觉（CV）和多模态任务中的广泛应用，AI行业的招聘竞争愈发激烈

weixin_40941102·2025-03-12 19:55

Java【网络原理】（2）初识网络续与网络编程

协议与UDP协议2.2socketAPI进行网络编程2.2.1DatagramPacket类2.2.1.1发送数据报2.2.1.2接收数据报2.2.1.3获取数据报内容2.2.1.4设置数据报内容2.2.2DatagramSocket

爱吃烤鸡翅的酸菜鱼·2025-03-12 18:51

Python----计算机视觉处理（opencv：像素，RGB颜色，图像的存储，opencv安装，代码展示）

一、计算机眼中的图像像素像素是图像的基本单元，每个像素存储着图像的颜色、亮度和其他特征。一系列像素组合到一起就形成了完整的图像，在计算机中，图像以像素的形式存在并采用二进制格式进行存储。根据图像的颜色不同，每个像素可以用不同的二进制数表示。日常生活中常见的图像是RGB三原色图。RGB图上的每个点都是由红（R）、绿（G）、蓝（B）三个颜色按照一定比例混合而成的，几乎所有颜色都可以通过这三种颜色按照不

蹦蹦跳跳真可爱589·2025-03-12 18:19

Mysql在oracle的安装与配置（怕忘）

openEuler-24.03-LTS-x86_64-dvd.isoopenEuler-22.03-LTS-x86_64-dvd.iso2、安装os手动设置固定IP，建议大家网卡vmnet8网关：x.x.x.2D

薛定谔的码*·2025-03-12 16:04

1. 用递归方法编写求斐波那契数列的函数。斐波那契数列的定义为： f(n) = 1 n = 1, 2 f(n) = f(n-1)

斐波那契数列的定义为：f(n)=1n=1,2f(n)=f(n-1)+f(n-2)n>2deff(n):ifn==1orn==2:return1ifn>2:returnf(n-1)+f(n-2

D.Leo·2025-03-12 15:58

OmniParser技术分析（一）

1.引言通过上篇文章介绍OmniParser:下一代纯视觉UI自动化测试先驱相信大家已经对OmniParser有初步了解，接下来详细介绍下OmniParser使用了哪些技术模型实现了对UI纯视觉的检测和理解

_深海凉_·2025-03-12 14:22

必看！C# 与 HALCON 构建基于轮廓模板匹配实战宝典

旨在助力读者全方位掌握技术，为机器视觉相关项目开发提供有力支撑，高效解

AI_DL_CODE·2025-03-12 13:49

【Python+OpenCV实战】手把手教你打造自定义视频播放器

随着计算机视觉技术的发展，Python作为其主要开发语言，搭配强大的OpenCV库，为我们提供了无比丰富的功能和可能性。

m0_54877156·2025-03-12 12:45

使用 PyOpenGL 进行 2D 图形渲染总结

在开发需要硬件加速且需要在不同平台上运行的复杂2D或3D应用程序时，它是首选平台。

无水先生·2025-03-12 12:14

探索WPF大屏看板：打造高效、灵活的数据展示解决方案

通过使用WPF技术，您可以轻松创建具有丰富视觉效果

薄泳蕙Howard·2025-03-12 12:44

Phi-4-multimodal：图、文、音频统一的多模态大模型架构、训练方法、数据细节

Phi-4-Multimodal是一种参数高效的多模态模型，通过LoRA适配器和模式特定路由器实现文本、视觉和语音/音频的无缝集成。

余俊晖·2025-03-12 12:40

Transformer 的原理是什么？

它在自然语言处理（NLP）领域取得了巨大成功，并逐渐扩展到计算机视觉（CV）和其他领域。Transforme

玩人工智能的辣条哥·2025-03-12 11:08

扩散 Transformer 策略：用于通才视觉-语言-动作学习的规模化扩散 Transformer

最近，在多样化的机器人数据集上进行预训练的大型视觉-语言-动作模型，已展示出利用少量域内数据泛化到

三谷秋水·2025-03-12 10:27

【threejs实战教程一】初识Three.js，场景Scene、相机Camera、渲染器Renderer

Scene、相机Camera、渲染器Renderer通俗一点理解，场景就是我们生活中一个具体的场景，比如自然环境中的一栋建筑，环境和内容构成了一个场景，相机就类比于人类的眼睛，渲染器就好比我们的中枢神经视觉处理器那我们的一个网页端

编码七号·2025-03-12 10:26

计算机视觉深度学习入门（4）

yyc_audio·2025-03-12 10:26

Android自定义视图绘制：Canvas实战案例解析

本文还有配套的精品资源，点击获取简介：Android的Canvas工具允许开发者在屏幕上绘制图形，创建丰富视觉效果和交互体验。

Ramaswamy·2025-03-12 10:55

计算机一级第15套题答案,全国计算机一级B选择题(15套附答案)..doc

A)1211B)1121C)1122D)1221

weixin_39968823·2025-03-12 10:54

计算机一级第15套题答案,全国计算机一级B选择题(15套附答案).

A)1211B)1121C)1122D)1221C(5)二

weixin_39653405·2025-03-12 10:24

iOS开发 - Quartz2D绘图

Quartz2D简介是一个二维绘图引擎，同时支持iOS和Mac系统Quartz2D能完成的工作绘制图形:线条\三角形\矩形\圆\弧等绘制文字绘制\生成图片(图像)读取\生成PDF截图\裁剪图片自定义UI

陆讯·2025-03-12 10:54

Python:Matplotlib

愚戏师·2025-03-12 09:51

计算机视觉图像处理面试笔试题整理——边缘检测

目录1.边缘检测综述2.Roberts算子3.Prewitt算子4.Sobel算子5.Laplace算子6.Canny1.边缘检测综述边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。

fpga和matlab·2025-03-12 09:18

图像处理与机器视觉

1.图像处理与机器视觉的概念图像处理（ImageProcessing）是对图像进行分析、增强、变换等操作以改善图像质量或提取有用信息的过程。

Be_auto·2025-03-12 09:46

Laya前端开源框架深度解析与实践应用

本文还有配套的精品资源，点击获取简介：Laya前端开源框架是一个高效的跨平台JavaScript库，专注于2D/3D游戏及互动应用开发。

徐子贡·2025-03-12 06:30

cornell grasp data 康奈尔大学抓取数据集百度云

目前先进的基于视觉和机器人抓取方法都是在该数据集上训练过。该数据集共十组，每组100个物体，共计1000个物体，不仅包含物体的图像，还包含物体的抓取位姿。

工科pai·2025-03-12 05:20

MySQL Heartbeat+drbd高可用

server-idprimary心跳及传输IP:192.168.0.51data-11管理及对外IP:10.0.0.51VIP：10.0.0.151standby心跳及传输IP:192.168.0.52data

脚灬印·2025-03-12 05:43

【Rockchip系列】官方函数：wrapbuffer_handle

wrapbuffer_handlewrapbuffer_handle函数用于将输入输出的图像参数转化为统一的rga_buffer_t结构,作为IM2D图形库用户API的输入参数。

jcfszxc·2025-03-12 04:05

无人机动态追踪技术难点与距离分析！

传统计算机视觉方法（如光流法、卡尔曼滤波）易受干扰，需结合深度学习（如YOLO、SiamRPN++）提升抗干扰能力。

云卓SKYDROID·2025-03-12 01:15

Unity引擎开发：2D与3D渲染技术_虚拟现实与增强现实技术

虚拟现实与增强现实技术在上一节中，我们探讨了Unity引擎中的光照和阴影处理技术，了解了如何通过不同的光照模型和阴影算法提升游戏的视觉效果。

chenlz2007·2025-03-12 00:40

仿射变换矩阵应用

目录1原理介绍2数学公式推导3计算流程4示例代码仿射变换是计算机视觉、图像处理和点云处理中常用的几何变换之一。它不仅包括旋转和平移，还包括缩放和剪切等线性变换。仿射变换保持了点、直线和平面的平行性。

点云学习·2025-03-11 23:57

H800实战应用深度解析endofsentence

下表展示了H800在不同场景下的性能表现对比：场景类型训练速度提升推理延迟降低能效比提升自然语言处理35%22%40%计算机视觉28%18%33%推荐系统41%29%37%资深系统架构师指出："H800

智能计算研究中心·2025-03-11 22:12

大模型全军覆没，中科院自动化所推出多图数学推理新基准 | CVPR 2025

近日，中国科学院自动化研究所推出多图数学推理全新基准MV-MATH（该工作已被CVPR2025录用），这是一个精心策划的多图数学推理数据集，旨在全面评估MLLM（多模态大语言模型）在多视觉场景中的数学推理能力

·2025-03-11 20:10

推荐频道

2D视觉