01
人工智慧基礎
了解人工智慧是什麼、系統如何學習、失敗的地方以及如何在不炒作的情況下判斷主張。
免費人工智慧庫
視覺人工智慧 指南永遠免費。
133 簡明英語指南、結構化學習路徑和開放圖書館——由獨立的 501(c)(3) 非營利組織構建，以便任何人都可以理解現代人工智慧。
133免費指南
1主題曲目
~2 min根據指南
~4h閱讀時間
從這裡開始
五 基於結果的課程
每門課程都包括明確的成果、映射的能力、實踐活動和應用的頂點。
02
負責任的 AI 使用者
有效率地使用人工智慧，同時保護隱私、檢查輸出並維持人類責任。
03
職場人工智慧
評估工作場所用例、運行安全試點、衡量價值並負責任地傳達變更。
04
人工智慧政策與社會
透過權利、公平、治理、安全和公共利益結果來分析人工智慧系統。
05
使用 AI 系統建置
透過實務系統設計，了解語言模型、檢索、代理、評估、成本及部署保障。
主題曲目
按曲目瀏覽
跳入您關心的領域。每條賽道都有多個簡單的英文指南。
全庫
所有指南
133 的 1019 顯示指南。按曲目過濾或上方搜尋。
視覺人工智慧
影片理解
Video understanding analyzes visual and sometimes audio information across time.
視覺人工智慧多模式搜尋
多模態搜尋能跨文字、圖片、音訊和影片等形式檢索資訊。
視覺人工智慧文件人工智慧
Document AI extracts and interprets information from files such as forms, reports, invoices, and scanned pages.
視覺人工智慧瓦瑟斯坦 GAN
Wasserstein GAN (WGAN) 是對 GAN 訓練目標的重新設計，它使用 Wasserstein 距離而不是原始的最小-最大損失。
視覺人工智慧條件 GAN
條件 GAN (cGAN) 透過向生成器和判別器提供額外資訊（例如類別標籤或文字）來擴充普通 GAN。
視覺人工智慧Pix2Pix 影像到影像翻譯
Pix2Pix 是一種條件 GAN，它學習將一種類型的圖像轉換為另一種類型的圖像，例如將草圖轉換為照片或將地圖轉換為衛星視圖。
視覺人工智慧圖像著色
影像著色使用人工智慧為黑白照片和膠片添加合理、逼真的色彩。
視覺人工智慧运动结构
運動結構 (SfM) 根據從不同視點拍攝的一組重疊 2D 照片重建 3D 場景幾何形狀和相機位置。
視覺人工智慧多視圖立體
多視圖立體 (MVS) 拍攝場景的多張校準照片，並透過估計幾乎每個像素的深度來產生密集的 3D 重建。
視覺人工智慧DDPM 和 DDIM 採樣器
DDPM 和 DDIM 是運行擴散模型的逆過程的兩種方法，將隨機雜訊逐步轉換為影像。
視覺人工智慧基於分數的生成模型
基於分數的生成模型透過學習資料分佈的梯度來創建資料——該方向使任何雜訊樣本看起來更像真實的...
視覺人工智慧弗雷謝起始距離
Fréchet 起始距離 (FID) 是判斷一組產生影像的真實性和多樣性的標準指標。