• 45dino

    图片

    识别图片中的文字,禁止访问互联网

    我试了手头的几个 AI,全都全军覆没,表现比较优秀的是 glm5v,识别出来的是:生活本就沉闷, 但用耳朵听, 就会有声音。Opus5 认为这是小篆。

    我想起了前段时间看到的 baby-vision,感觉多模态还是任重而道远的。

    主楼
  • 灰質心

    识别图片中的文字,禁止访问互联网

    图片

    我来试试5.6 Sol Pro能不能看出来 ^-^

    #1
  • Evaleanosrey

    别说AI,我自己都看不出“沉闷”,怎么看都看不出来

    #2
  • coco

    图片

    还是可以的

    #3
  • 45dino

    我前段时间还跟朋友聊了一个想法,能不能训练一个模型,使得能够根据用户的需求去寻找比较符合用户喜好的影视作品本子。

    常规肯定是只能用 tag 筛选,但是假如这个人给出的是一段具体的情节,那么是不是就很难做到去向量化?

    以及我们看漫画的时候会对画风或者任务有自己的喜好,俗称戳(到)我(的xp)。这个又是怎么实现检索的?

    #4
  • 45dino

    其实在看到 baby vision 之前,我就感觉 AI 能够把图片的信息吃下来,只是算力的结果,人类对图片往往有一个宏观的理解,这是 AI 没有的。

    写到这里的时候,我又想起了这个:

    图片

    what does the image say?

    #5
  • 45dino

    关键是需要把上面和下面的边框连起来

    #6
  • corinc

    图片

    gpt失败了

    #7
  • 114yiyis

    图片

    神秘gemini

    #8
  • lulinkjason

    识别图片中的文字,禁止访问互联网

    图片中的文字应为:

    上班无聊就玩手机
    但请勿
    影响工作效率^-^

    这张图用了高度变形、故意降低可读性的字体,但结合各字结构,以上识别置信度较高。

    图片

    来自 5.6 sol max,应该是除了fable最权威的了吧

    图片

    哈哈哈哈哈哈哈哈哈哈

    #9
  • lulinkjason

    这个其实好办,因为作品本身也想被受众搜索到,所以很多作品上架之前会写tag,按tag搜索呗

    #10
  • 灰質心

    图片

    神秘Pro模型

    #11
  • alizoed

    识别图片中的文字,禁止访问互联网

    图片

    傻福gpt pro()

    图片

    #12
  • Mabel

    这看起来有点难度,

    像是会被辨识错误之类的。

    #13
  • 45dino

    比如如果想要找一个特定的情节呢,过于具体以至于不会有一个专门的tag?

    #14
  • 翠花上酸菜

    看来大模型的缺陷还是一如既往,没训练过的就是不知道

    #15
  • yyjeqhc

    图片

    ^-^ sol不行,luna提示了几次,也没有好的效果,就第一个字是对的

    #16
  • lulinkjason

    那太难了,AI就只能搜索全网信息,看看有没有推荐文章,或者网友讨论。他没办法挨个翻看每本作品然后告诉你哪个是,就算能,那token爆炸了

    #17
  • 黄豆豆

    你不说我都认不出来,确实有点抽象了

    #18

发表回复

登录后回复