公共资源速递
5 个数据集：
-
MSEmbGAN 多针刺绣数据集
-
Piazza Bra (NEW) 图片数据集
-
TMDB 5k Movie 电影信息数据集
-
Top 5k Albums 音乐专辑评论数据集
-
Visual Genome Dataset 1.2 图片语义分割数据集
1 个模型：
- GOT-OCR 2.0
3 个教程：
-
一键部署 Llama-3.2-11B-Vision-Instruct
-
一键部署 DeepSeek-V2-Lite-Chat
-
Fish Speech v1.4 声音克隆-文本转语音工具 Demo
访问官网立即使用：openbayes.com
公共数据集
该数据集是第一个通过单针和多针标签详细标注的刺绣数据集。研究团队通过专业的刺绣软件 (Wilcom 9.0) 制作了超过 3 万张对齐或未对齐的刺绣和内容图像，包括刺绣图像和相应的内容图像，所有图像都被调整为 256 × 256 的分辨率。
直接使用：
Piazza Bra (NEW) 数据集是一个主要用于三维重建的图片数据集，该数据集引入了一种用于计算结构和运动的新颖分层方案，将图像组织成具有凝聚聚类的树，使用重叠度量作为距离，然后重建从叶子到根之后跟随这棵树。
直接使用：
TMDB 5k Movie 包含了 5k 部电影的详细信息，这些电影主要来自美国地区一百年间 (1916-2017) 的作品。数据集旨在帮助研究人员和分析师探索电影行业的流行趋势、投资方向，以及为电影行业的新入局者提供参考建议。
直接使用：
该数据集包含 rateyourmusic.com 社区用户评选出的史上最热门的 5k 张专辑，于 2021 年 10 月 12 日通过抓取获取，包括排名、专辑名称、艺术家姓名、发行日期、流派、描述、平均评分、评分数量和评论数量这些属性。
直接使用：
5. Visual Genome Dataset 1.2 图片语义分割数据集
Visual Genome 数据集包含了丰富的语义信息，用以拓展更加丰富的基于图像及语义信息的人工智能应用。目前包括 108,249 张图片、420 万个区域内容描述 (Region Descriptions)、170 万个图像内容问答 (Visual Question Answers)、210 万个对象案例 (Object Instances)、180 万个属性 (Attributes) 和关系 (Relationships)。
直接使用：
公共模型
GOT-OCR-2.0 是一个基于通用 OCR 理论 (General OCR Theory) 的统一端到端模型，专注于提升光学字符识 (OCR) 的准确性与效率。它采用了一体化的架构，能够高效处理文本的多样性和复杂性。GOT-OCR 2.0 不仅支持场景文本识别，还能处理多页文档。
直接使用：
公共教程
1. 一键部署 Llama-3.2-11B-Vision-Instruct
Llama 3.2-Vision 是由 Meta 在 Connect 大会发布的多模态大模型，该模型为其 11B 参数大小的指令调整模型，在视觉识别、图像推理、字幕和回答有关图像的一般问题进行了优化。该教程为模型的一键部署 Demo，只需克隆并启动该容器，直接复制生成的 API 地址，即可对模型进行推理体验。
在线运行：
该模型是一个在性能、成本效率和中文处理能力方面都表现出色的大语言模型，属于 DeepSeek-V2 系列的轻量级版本。适合于多种应用场景，包括但不限于编程、技术领域和需要处理大量上下文信息的任务。该教程已经将模型和相关环境搭建完毕，一键克隆即可与模型进行对话。
在线运行：
3. Fish Speech v1.4 声音克隆-文本转语音工具 Demo
Fish Speech 是由 Fish Audio 于 2024 年开发的文本转语音 (TTS) 模型，它能够生成高质量、自然的语音。这个模型经过了大约 70 万小时的数据训练，能够熟练掌握中文、日语和英语等 8 种语言，语言处理能力接近人类水平，并且声音表现形式丰富多变。本教程已经将模型更新至最新版本，并将环境部署完毕，大家可根据教程指引直接进行声音克隆或文本转语音任务。
在线运行：
以上就是小贝上周在 OpenBayes 的全部更新内容啦~
小贝还建立了「Stable Diffusion 教程交流群」，欢迎小伙伴们入群探讨各类技术问题、分享应用效果~扫描下方二维码添加小贝总微信（微信号：OpenBayes001），备注「SD 教程交流」，即可加入群聊。
