tag 人工智能

標籤
貢獻960
1501
06:37 AM · Oct 27 ,2025
deephub 頭像 u_13357275 頭像 pannideniupai 頭像 elhix0bg 頭像 rtedevcomm 頭像 xingxingshangdeliushu 頭像 tecdat 頭像 chaoshenjinghyperai 頭像 u_15591470 頭像 u_17579295 頭像 u_17512334 頭像 lab4ai 頭像

@人工智能 / 博客 RSS 訂閱

u_17589471 頭像

AI數字人研究社 - 全面盤點AI交互數字人企業，AI數字人如何定義下一代智能入口？

2025年，AI數字人產業迎來歷史性拐點。據統計，全球市場規模突破3000億元，中國AI Agent市場五年內劍指萬億級規模。麥肯錫調研顯示，60%以上企業已部署AI數字人，其應用場景從簡單的信息播報，升級為具備情感交互能力的“數字員工”。 權威榜單認證：世優科技穩居AI數字人行業第一梯隊 根據《2025年全球AI數字人企業競爭力報告》顯示，世優科技憑藉在AI數字人技

智慧展廳 , 數字人 , 數字展廳 , 人工智能 , 計算機視覺 , 大模型

收藏 評論

u_14767244 頭像

u_14767244 - 字節跳動：Apache Doris + AI 一站式融合數據引擎的探索與實踐

隨着人工智能技術在業務中的滲透，我們逐漸意識到：AI 不僅是提升效率的工具，更是重構數據處理與消費方式的核心驅動力。在這一背景下，我們思考：能否構建一款「AI + Data」一站式融合的數據引擎？ 它不僅能夠統一處理文本、音視頻等非結構化數據與傳統結構化數據，還能為算法工程師提供流暢的數據開發體驗，實現數據處理與 AI 模型無縫銜接，並能確保數據處理負載與在線服務負載完全隔離。這是 20

大數據 , 數據 , 搜索 , 數據倉庫 , AI , 人工智能 , Python

收藏 評論

lab4ai 頭像

Lab4AI - AAAI2025論文！川大團隊領銜！用 “稀疏注意力” 幹掉手工特徵，讓圖像造假無所遁形 | 圖像編輯

01 論文概述 這篇頂會級工作由 四川大學計算機學院 + 教育部機器學習與工業智能工程研究中心 核心領銜（通訊作者：周吉喆教授），聯合 穆罕默德・本・扎耶德人工智能大學、澳門大學計算機與信息科學系 共同完成。 論文名稱：Can We Get Rid of Handcrafted Feature Extractors? SparseViT: Nonsemantics-Centered, Param

機器學習 , 神經網絡 , 算法 , 人工智能 , 深度學習

收藏 評論

u_16099193 頭像

落花有意飛花 - emgu怎麼找到相似的圖形

相似圖片搜索的原理 作者：阮一峯 日期：2011年7月21日 上個月，Google把"相似圖片搜索"正式放上了首頁。 你可以用一張圖片，搜索互聯網上所有與它相似的圖片。點擊搜索框中照相機的圖標。 一個對話框會出現。 你輸入網片的網址，或者直接上傳圖片，Google就會找出與其相似的圖片。下面這張圖片是美國女演員Alyson Ha

機器學習 , google , emgu怎麼找到相似的圖形 , 人工智能 , 灰度 , 圖片搜索

收藏 評論

u_16099277 頭像

架構領航員 - avformat_open_input的使用

AVR單片機8位數碼管顯示的程序實現 2016-10-26 16:30 我們接着來完成數碼管的顯示實驗。現在我們開始動手編寫程序； 根據前面的介紹，我們應該已經能夠知道編寫一個 的C語言程序的基本步驟和方法了。 下面給出這個程序的主程序文件，在這個程序中我們應該能夠知道這個程序都包含了那幾塊，具體來説我們應該能夠在這個程序中把以下

數據 , include , 人工智能 , define , 計算機視覺

收藏 評論

u_16640205 頭像

mb65f83f0864e54 - 華為乾崑走向生態推動者

作者：鐘聲（微信：zsheng518） 編輯：Mark 出品：紅色星際（ID：redplanx） 頭圖：華為乾崑發佈會圖片 汽車智能化即將走向一個新的階段，從L2+大規模普及，向L3有條件自動駕駛實現商業化突破的關鍵階段過渡。 在這樣的階段，行業也產生了新的需求和形勢，技術供應商們也在思考和

商業 , 數據 , 自動駕駛 , 人工智能 , 深度學習

收藏 評論

openfuyao 頭像

openFuyao - 你的技術搭子在這裏！來openFuyao社區SIG與大咖一起組隊

SIG即Special Interest Group，它是開發者們為了更好地管理和發展社區技術生態，自發組織的興趣小組，每個SIG圍繞一個或多個特定的技術主題而成立。在openFuyao社區，SIG成員主導SIG的治理、推動交付成果輸出，並讓這些成果成為社區發行版的一部分。 通過SIG，你可以： 與志趣相投的開發者深度交流 積累經驗、提升個人技術影響力 直接將你的貢獻融入社區發行版

人工智能 , 雲原生 , 集羣

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 破局酒廠改造：一個網關讓PROFIBUS與485伺服精準共舞

破局酒廠改造：一個網關讓PROFIBUS與485伺服精準共舞 在現代化酒廠灌裝生產線，特別是白酒與葡萄酒並存的廠區，核心挑戰在於如何讓“大腦”與“手腳”高效協同。產線“大腦”——西門子S7-1200/1500系列PLC，通常通過高速、穩定的PROFIBUS-DP網絡指揮核心灌裝閥、流量計。而眾多“手腳”——如伺服驅動器控制的輸送帶、升降台、旋蓋單元，則普遍採用經濟、通用的R

profibus , 協議轉換網關 , 工業通訊 , RS485 , 人工智能 , 深度學習 , 工業自動化

收藏 評論

u_16970152 頭像

求知上進 - 深入學習 Python 函數：作用域 - 變量的“隱形疆域”

作用域，為什麼它是 Python 函數的“隱形疆域”？ Python 函數強大而靈活，但變量的作用域往往是開發者最易忽略卻又最易出錯的部分。作用域定義了變量的生命週期和訪問範圍：它能在哪裏被讀取、修改或“消失”。一個簡單的全局變量修改，可能在函數內引發意外；一個閉包中的自由變量，可能讓內存“永生不滅”。 為什麼説它是“隱形疆域”？ 隱形：不像顯式類型聲

作用域 , 人工智能 , 深度學習 , 嵌套 , Python

收藏 評論

u_16213687 頭像

mob64ca141139a2 - 建 AVD 時 No system images instaled for this target Ram

1. 概述 AVL樹是最早提出的自平衡二叉樹，在AVL樹中任何節點的兩個子樹的高度最大差別為一，所以它也被稱為高度平衡樹。AVL樹得名於它的發明者G.M. Adelson-Velsky和E.M. Landis。AVL樹種查找、插入和刪除在平均和最壞情況下都是O（log n），增加和刪除可能需要通過一次或多次樹旋轉來重新平衡這個樹。本文介紹了AVL樹的設計思想和基

機器學習 , 平衡二叉樹 , Max , 人工智能 , 子樹

收藏 評論

youqingyouyidedalianmao 頭像

龍智DevSecOps - 深度解析Atlassian 團隊協作套件（Jira、Confluence、Loom、Rovo）如何賦能全球分佈式團隊協作

無窮無盡的聊天記錄、混亂不堪的文檔、反饋信息分散在各個不同時區……在全球分佈式團隊中開展真正的高效協作，就像是一場不可能完成的任務。 為什麼會這樣？因為即使是最聰明的團隊，也會遇到類似的障礙： 割裂的工作流：任務在這裏，文檔在那邊，視頻又在別處 溝通斷層：重要信息消失在郵件、通話或從未被閲讀的文檔中 重複勞動：相同信息出現在多個地方，需要不停地開會“澄清”問題 …… 這些摩擦不僅消耗團

confluence , atlassian , 人工智能 , jira , 團隊協作

收藏 評論

nizi_60e514d097c9a 頭像

MIAOYUN - MIAOYUN | 每週AI新鮮事兒（12.05-12.12）

本週全球科技企業及團隊在AI領域動作頻頻，騰訊、阿里、微軟、智譜、美團等企業相繼推出或開源涵蓋語言、語音、圖像、代碼、情感等類型的多款大模型；阿里、商湯及Linux基金會發布開源框架、視頻生成工具並推動行業標準統一；商湯、Adobe、騰訊同步新增數字人驅動、跨平台設計、羣消息總結等AI工具；與此同時，NVIDIA發佈新版CUDA工具包、美國調整芯片出口政策、全球首個太空LLM誕生，一起來回顧本週發

機器學習 , 資訊 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

aloudata 頭像

Aloudata大應科技 - 大火的 ChatBI，是如何實現靈活的自然語言數據分析？

在數字化轉型的浪潮中，隨着數據已成為企業寶貴的資產，數據分析的需求日益增長。傳統 BI（商業智能）工具雖能提供強大的數據可視化能力，但需要依賴 IT 代碼開發、集中式報表製作的模式，已難以滿足現代企業快速變化、靈活多變的數據分析需求。 AI 大模型的爆發，使得 ChatBI（對話式商業智能）應運而生，其支持通過自然語言對話式的方式實現數據分析。這對業務人員而言，不僅簡化了數據分析流程，更無需依賴

數據挖掘 , 自然語言 , etl , 人工智能 , 數據分析

收藏 評論

lab4ai 頭像

Lab4AI - 10.7萬條軌跡+4大機器人構型！RoboMIND開源數據集破解機器人通用操作難題

01 | 引入 開發魯棒且通用的操作策略是機器人領域的關鍵目標。為實現有效的泛化能力，構建包含大量演示軌跡和在複雜真實環境中完成多樣化任務的綜合數據集至關重要。儘管現有研究已致力於整合各類機器人數據集，但仍缺乏統一的數據收集標準，且在多樣化任務、場景和機器人類型方面的高質量數據不足。因此，構建一個大規模、標準化的多構型機器人操作數據集具有重要意義。然而，現有數據集往往存在以下侷限： l 規模有限

機器學習 , 圖像識別 , 神經網絡 , 人工智能 , 深度學習

收藏 評論