YOLO

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。

阿里大模型开源

涂鸦变实物。我们画一幅涂鸦，用颜色区分每一块对应着什么物体，它就能照着我们的空间布局思路，合成以假乱真的真实世界效果图。 在AI界这叫做叫“语义布局”。

StableDiffusion的Web界面

目标检测。YOLOv6的精度与速度都远超 YOLOv5 和 YOLOX。

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。