前沿技术

【GitHub开源AI精选】Agent-S架构揭秘:低代码与多模态融合的智能体新范式

系列篇章💥 No. 文章 1 【GitHub开源AI精选】LLM 驱动的影视解说工具:Narrato AI 一站式高效创作实践 2 【GitHub开源AI精选】德国比勒费尔德大学TryOffDiff——高保真服装重建的虚拟试穿技术新突破 3 【GitHub开源AI精选】哈工大(深圳)& 清华力作 FilmAgent

AI+Web3:从Web2到Web3的范式革命与深度技术实践

文章目录 一、技术演进:从中心化到去中心化的范式跃迁 1.1 互联网发展三阶段对比 1.2 Web3技术栈革新 二、AI+Web3的协同创新:技术融合全景图 2.1 智能合约的AI赋能进阶 2.1.1 链上AI推理合约(Solidity示例) 2.1.2 链下AI模型部署(Python示例

Yolo11 基于DroneVehicle数据集的无人机视角下车辆目标检测

1、关于DroneVehicle数据集介绍DroneVenicle数据集是由天津大学收集、标注的大型无人机航拍车辆数据集。 DroneVehicle 数据集由无人机采集的共 56,878 幅图像组成,其中一半为 RGB 图像,其余为红外图像。我们对五个类别进行了带有方向性边界框的丰富标注。其中,汽车car 在 RGB 图像中有 389,779 个标注&#x

【AI绘画】SD必备模型,吐血整理~看这篇就够了!!

玩SD AI绘画已经有很长一段时间了,电脑的硬盘也是各个全红了~不知不觉中各种模型下载了一大堆。再加上木木比较喜欢尝试各种类型的模型,硬盘空间已经严重告急了~文中提到的所有模型都已经打包好放在文末了,有需要的小伙伴可以自取,无偿分享~木木开始整理起硬盘,将一些不必要的模型“忍痛割爱”通通删掉。AI绘画其实找到一些日常用得来的模型

UAVAI-YOLO:无人机航拍图像的小目标检测模型

摘要 针对无人机航拍图像目标检测效果差的问题,提出改进的UAVAI-YOLO模型。首先,为使模型获得更加丰富的语义信息,使用改进可变形卷积网络(deformable convolutional networks,DCN)替换原骨干(backbone)网络部分通道到像素(ch

基于知识图谱的问答系统:后端Python+Flask,数据库Neo4j,前端Vue3(提供源码)

基于知识图谱的问答系统:后端Python+Flask,数据库Neo4j,前端Vue3 引言随着人工智能技术的不断发展,知识图谱作为一种结构化的知识表示方式,逐渐成为问答系统的重要组成部分。本文将介绍如何构建一个基于知识图谱的问答系统,使用Python和Flask作为后端框架,Neo4j作为图

强化学习:MuJoCo机器人强化学习仿真入门(1)

  声明:我们跳过mujoco环境的搭建,搭建环境不难,可自行百度下面开始进入正题(需要有一定的python基础与xml基础): 下面进入到建立机器人模型的部分: 需要先介绍URDF模型文件和导出MJCF格式 介绍完毕,下面开始进行mujoco仿真: 首先将这4个文件复制到

Stable Diffusion AI绘画学习指南【常用模型,采样器介绍】

常用采样器、目前有20个采样步骤越多每个步之间的降噪越小,减少采样过程中的截断误差,结果越好 学微分方程求解器 Euler(最简单的采样器,采样过程中不加随机噪声,根据采样计划来执行每个步骤中的噪声,并使用欧拉方法减少适当数量的噪声以适应噪声计划,到最后一步为0)、Heun&#xff08

一文讲清楚RAG 四大模式:Naive RAG、Advanced RAG、Modular RAG 与 Agentic RAG

随着技术迭代,RAG 已从最初的简单架构发展出多种进阶形态。本文将系统解析 RAG 的四大主流模式 ——Naive RAG、Advanced RAG、Modular RAG 与 Agentic RAG,从工作原理、技术特点到适用场景进行全方位对比,为技术选型提供参考。 一、RAG 基础:检索增强生成的核心逻辑 在深入模式解析前,

STM32单片机的桌面宠物机器人(基于HAL库)

 效果 基于STM32单片机的桌面宠物机器人 概要语音模块:ASR PRO,通过天问block软件烧录语音指令主控芯片:STM32F103C8T6 使用HAL库屏幕:0.96寸OLED屏,用来显示表情4个舵机,用来当作四只腿底部一个面包板 分析初始化代码,使用TIM3定时器的四个通道输出P