最好用的AI工具

搜尋：代碼

75 個結果

分類排序

UniPixel – 香港理工聯合騰訊推出的像素級多模態大模型

UniPixel是什麼 UniPixel是香港理工大學和騰訊ARC Lab團隊開發的首個統一像素級多模態大模型，專注於圖像/視頻的精細理解與交互。能在單個模型中完成對象指代、像素級分割和區域推理三大任務，通過創新設計的”對象記憶機制”和統一視覺編碼方式，實現了對視頻中目標的精準追蹤與語義理解。模型基於Qwen2.5-VL框架，支持點、框、掩碼三種交互方式，在9項視覺任務基準測試中超越72B參數的傳統模型，開源了代碼和在線Demo。核心突破在於將視覺分割與語言推理深度融合，解決了傳統模型無法處理複雜指代和動態區域理解的問題。 UniPixel的主要功能像素級視覺語言理解：專注於像素級視覺語言理解，能實現視覺信號與語言語義之間的像素級對齊，支持多種細粒度任務，包括圖像/視頻分割、區域理解以及PixelQA任務。統一對象指代與分割：模型將對象指代和分割能力無縫集成，能根據視覺提示輸入生成相關的掩碼，並在推理過程中基於這些中間指針進行後續推理，實現細粒度的像素級推理。多任務支持：在多個基準測試中表現出色，包括ReVOS推理分割基準、MeViS、Ref-YouTube-VOS、RefCOCO/+/g等數據集，設計了新的PixelQA任務，要求模型聯合進行對象指代、分割和問答。靈活的視覺提示處理：能靈活處理視覺提示輸入，生成掩碼並進行推理，支持單幀和多幀的視頻區域理解，以及基於掩碼的問答任務。 UniPixel的技術原理統一框架設計：UniPixel採用統一框架，將對象指代和分割能力整合到一個模型中，實現從粗粒度場景理解到細粒度像素推理的跨越，爲複雜視覺推理提供基礎。對象記憶庫：模型包含對象記憶庫，存儲從指代任務中提取的對象特徵，爲後續的分割和推理任務提供上下文信息，增強模型在像素級任務上的性能。多階段訓練策略：採用預訓練、指代任務微調和分割任務微調的多階段訓練策略，逐步提升模型在像素級任務上的性能，適應不同任務需求。端到端掩碼生成：模型能根據語言描述直接生成像素級掩碼，實現語言與視覺的深度融合，支持多種細粒度任務，如圖像/視頻分割和區域理解。靈活的視覺提示處理：能靈活處理視覺提示輸入，生成掩碼並進行推理，支持單幀和多幀的視頻區域理解，以及基於掩碼的問答任務，適應不同場景需求。強大的推理能力：在VideoRefer-Bench-Q問答任務中，UniPixel-7B模型取得了74.1%的準確率，超越了包括GPT-4o在內的多個強大基準模型，顯示出其在複雜視覺推理任務中的強大能力。模型權重與數據集提供：提供了UniPixel-3B和UniPixel-7B兩個版本的模型權重，以及23個指代/分割/QA數據集的原始圖像/視頻和預處理註釋，爲研究和應用提供豐富資源。訓練與評估支持：代碼庫支持在23個數據集和基準測試上進行訓練和評估，支持靈活的硬件設置、高效的訓練技術、自定義基礎LLM和對話模板，以及通過Tensorboard/Wandb監控訓練過程，方便用戶使用和優化。 UniPixel的項目地址項目官網：https://polyu-chenlab.github.io/unipixel/ Github倉庫：https://github.com/PolyU-ChenLab/UniPixel HuggingFace數據：https://huggingface.co/datasets/PolyU-ChenLab/UniPixel-SFT-1M arXiv技術論文：https://arxiv.org/pdf/2509.18094 在線體驗Demo：https://huggingface.co/spaces/PolyU-ChenLab/UniPixel UniPixel的應用場景圖像分割：UniPixel能根據語言描述生成圖像中特定對象的像素級掩碼，適用於需要精確圖像分割的場景，如醫學圖像分析、自動駕駛中的目標分割等。視頻分割：在視頻處理領域，UniPixel可以對視頻中的對象進行實時分割，支持視頻編輯、視頻監控和增強現實等應用。區域理解：通過理解語言描述來識別和分割視頻中的特定區域，可用於視頻內容分析、智能監控系統和視頻會議中的背景分割等。問答任務：UniPixel支持PixelQA任務，能夠根據語言描述和視覺信息回答問題，適用於教育、智能客服和信息檢索等場景。多模態交互：在需要結合視覺和語言信息進行交互的場景中，如智能助手、虛擬現實和遊戲開發等，UniPixel能夠提供更自然和準確的交互體驗。智能監控：在安防監控領域，UniPixel可以實時識別和分割監控視頻中的特定對象或區域，提高監控系統的智能化水平。

Pyscn – AI代碼質量分析工具，快速發現和清理代碼問題

Pyscn是什麼 Pyscn 是專爲 Py...

DeepCode – 港大實驗室推出的多Agent代碼生成平台

DeepCode是什麼 DeepCode 是香港大學數據智能實驗室推出的基於多智能體系統的代碼生成平台。DeepCode 能將研究論文、自然語言描述等轉化爲高質量的生產就緒代碼，支持多種編程語言和框架。平台具備 Paper2Code、Text2Web 和 Text2Backend 等功能，支持從算法實現到前後端開發的自動化。基於智能協調和高效記憶機制，DeepCode 提高了代碼生成的效率和質量，爲開發者提供強大的工具，加速從概唸到代碼的轉化過程。 DeepCode的主要功能 Paper2Code：將複雜算法從研究論文轉化爲高質量的生產就緒代碼。 Text2Web：將文本描述轉化爲功能齊全、視覺上吸引人的前端網頁代碼。 Text2Backend：從簡單文本輸入生成高效、支持擴展且功能豐富的後端代碼。多接口支持：提供 CLI 和 Web 界面，滿足不同用戶需求。自動化測試與文檔生成：自動生成單元測試和文檔，確保代碼質量。智能檢索與推薦：基於 CodeRAG 系統提供全局代碼理解和推薦。 DeepCode的技術原理多智能體架構：中央協調智能體：負責整體工作流的執行和決策。意圖理解智能體：解析用戶需求，提取功能規範和技術約束。文檔解析智能體：處理技術文檔和研究論文，提取算法和方法。代碼規劃智能體：進行架構設計和技術棧優化。代碼引用挖掘智能體：發現相關代碼庫和框架，分析兼容性和集成潛力。代碼索引智能體：構建代碼庫的知識圖譜，實現智能檢索和交叉引用。代碼生成智能體：合成可執行代碼實現，生成測試套件和文檔。智能協調與動態任務規劃：動態選擇最優處理策略，根據輸入複雜性調整工作流。平台支持實時任務分配和並行處理，提高效率。高效記憶機制：基於智能壓縮和分層記憶結構，管理大規模代碼上下文，支持即時檢索，保持上下文一致性，確保代碼生成的準確性和連貫性。高級 CodeRAG 系統：結合語義向量嵌入和基於圖的依賴分析，自動發現最優代碼庫和實現模式，提供全局代碼理解和推薦，提高代碼生成效率和質量。自動化測試與文檔生成：自動生成單元測試和文檔，通過靜態分析和動態測試檢測潛在問題，降低代碼理解和維護難度。 DeepCode的項目地址 GitHub倉庫：https://github.com/HKUDS/DeepCode DeepCode的應用場景學術研究：將研究論文中的算法轉化爲代碼，加速學術成果的驗證和應用。軟件開發：快速生成前端和後端代碼，提高開發效率，減少重複工作。企業級應用：生成可運行的原型代碼，加速產品迭代和市場驗證，降低開發成本。教育與培訓：爲學生提供代碼生成工具，輔助教學，幫助理解編程概念。數據分析與機器學習：自動生成數據處理和機器學習模型代碼，提高開發效率。

星火代碼畫布 – 科大訊飛推出的AI編程工具

星火代碼畫布是什麼星火代碼...

Kineto – JetBrains 推出的零代碼AI應用構建平台

Kineto是什麼 Kineto 是 JetB...

amis – 百度開源的低代碼前端框架

amis是什麼 amis 是百度開源...

Gemini 2.0 Flash – Google推出的多模態 AI 模型

Gemini 2.0 Flash是什麼 Gemini 2.0 Flash是Google推出的多模態AI模型，結合文本理解和圖像生成能力。根據自然語言輸入生成高質量的圖像，支持多輪對話式的圖像編輯，保持上下文連貫性。模型擅長將文本與圖像結合，例如爲故事生成連貫的插圖、根據對話修改圖像風格，用世界知識生成更準確的圖像（如食譜插圖）。Gemini 2.0 Flash在長文本渲染方面表現出色，適用於廣告、社交媒體或邀請函等場景。開發者目前能在 Google AI Studio 中使用 Gemini 2.0 Flash 的實驗版本 ( gemini-2.0-flash-exp ) 和 Gemini API 測試這項新功能。 Gemini 2.0 Flash的主要功能文本與圖像結合：根據文本描述生成連貫的圖像，例如爲一個故事生成一系列插圖，保持角色和場景的一致性。對話式圖像編輯：支持多輪對話式的圖像編輯。用戶用自然語言指令逐步優化圖像，模型根據上下文保持連貫性。基於世界知識的圖像生成：Gemini 2.0 Flash用世界知識和增強推理能力生成更準確、更真實的圖像。長文本渲染：Gemini 2.0 Flash在長文本渲染方面表現出色，能生成包含清晰、準確文本的圖像。 Gemini 2.0 Flash的項目地址項目官網：https://developers.googleblog.com/en/experiment-with-gemini-20-flash 如何使用Gemini 2.0 Flash 訪問Google AI Studio：訪問Google AI Studio：訪問Google AI Studio官方網站。選擇Gemini 2.0 Flash模型：在Google AI Studio中，選擇gemini-2.0-flash-exp模型進行測試。輸入提示：在輸入框中輸入、文本提示。例如：“Generate an image of a futuristic cityscape in a cyberpunk style.”“Create a series of illustrations for a children’s story about a magical forest.” 基於Gemini API集成到開發項目中：獲取API密鑰：啓用Gemini API，獲取一個API密鑰。安裝必要的庫： pip install google-genai 編寫代碼調用API： from google import genai from google.genai import types # 初始化客戶端 client = genai.Client(api_key="YOUR_GEMINI_API_KEY") # 調用模型生成內容 response = client.models.generate_content( model="gemini-2.0-flash-exp", contents=( "Generate a story about a cute baby turtle in a 3D digital art style. " "For each scene, generate an image." ), config=types.GenerateContentConfig( response_modalities=["Text", "Image"] ), ) # 輸出生成的內容 print(response) 處理生成的輸出：根據API返回的結果，提取生成的文本和圖像數據。 Gemini 2.0 Flash的應用場景創意插圖生成：快速爲故事、廣告或文章生成配套插圖，提升創作效率。互動故事應用：開發互動故事，用戶基於對話調整故事內容和插圖風格。社交媒體與廣告：生成高質量的廣告圖像、海報或社交媒體內容，支持長文本渲染。教育工具：爲教材、科普內容生成示意圖，輔助教學和學習。設計與創意探索：快速生成設計概念圖，用對話式反饋優化創意方向。

Reweb – AI前端開發工具，支持導入 Figma 設計文件轉換爲代碼

Reweb是什麼 Reweb 是爲開發...

Basedash – AI數據庫管理工具，零代碼編寫自動完成數據查看、編輯、分析

Basedash是什麼 Basedash 是...

Rooms – 前 Google 員工推出的交互式 3D 房間創建應用

Rooms是什麼 Rooms 是前 Google 員工推出的交互式房間設計應用，支持用戶用超過 10,000 個可編輯物品和 Lua 編程語言構建和編碼交互式的 3D 房間和小遊戲，支持在網頁端和 iOS 平台應用。Rooms提供一個創造性的平台，用戶在這裏表達自己，創造出獨特的數字空間，用類似 TikTok 的垂直信息流瀏覽其他人的作品。Rooms 引入了無需編程即可讓房間“活”起來的新功能，並計劃通過 Google Gemini AI 進一步增強應用體驗，例如添加文本到語音模式，讓角色能“說話”。 Rooms的主要功能 3D 房間創建：用戶用應用內提供的超過 10,000 個物品構建個性化的 3D 房間。編程與交互：基於 Lua 編程語言，用戶爲房間添加交互功能，例如動畫和遊戲元素。內容瀏覽與分享：應用提供類似 TikTok 的垂直信息流，用戶能瀏覽其他創作者的作品，進行分享和互動。無需編程的編輯器：3.0 版本新增的 Actions 編輯器支持用戶無需編寫代碼讓房間具有動態效果。 Rooms的官網地址官網地址：rooms.xyz Rooms的應用場景個人創作與表達：用戶創建個性化的 3D 空間展示自己的興趣、愛好和藝術風格，如模擬自己的房間、設計虛擬畫廊等。遊戲開發與體驗：用戶能製作簡單的 3D 小遊戲，如迷宮、解謎遊戲等，供自己或他人體驗和娛樂。教育與學習：對於學習編程和 3D 設計的學生或愛好者，Rooms 提供一個實踐平台，基於實際操作提高相關技能。社交與互動：用戶能瀏覽和評論其他創作者的作品，與創作者進行互動，對喜歡的作品進行再創作。品牌展示與營銷：品牌創建專屬的 3D 空間展示產品或品牌故事，吸引用戶的關注和參與，增強品牌影響力。