推荐系统项目。
语音克隆
目标检测，物体识别
视觉迁移模型。谷歌发文介绍了其BigTransfer（BiT），称其为目前最先进的预训练模型，在分类问题中仅需要每个类少量几个样本即可达到极其优秀的性能。事实上，在ImageNet预训练的ResNet50系列模型是当前的工业标准，用于提取图像特征。在谷歌在论文 BigTransfer (BiT) 中分享的模型则可以轻松打败ResNet50，尽管数据量很少。
视觉问答项目。什么是视觉问答VQA（Visual Question Answering）？ 给定一幅图片及与图片相关的问题，系统通过理解图片回答这个问题，它涉及到图像识别和自然语言理解。
移除视频人物。可以移除视频中的物体。
图像语义编辑。例如将眼睛与嘴巴放大，对马的胖瘦调整
