YOLO

让视频换成你想说的话。他的功能，就是上传一段视频，再上传一段音频，算法会让视频中的人物说出音频文件的内容。 通过机器学习让发音与嘴型进行匹配。

物体检测项目。 输入一张图片，输出其中有哪些的物体对象，以及每个对象的位置。其最大的特点是运行速度很快，可以用于实时系统。

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。

StableDiffusion的Web界面

使图片变高清。优秀的图像超分辨率项目。图像超分辨率是指由一幅低分辨率图像或图像序列恢复出高分辨率图像。

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。