计算机视觉：图像检测和图像分割有什么区别？
字幕组双语原文:计算机视觉:图像检测和图像分割有什么区别?英语原文:What is the difference between Object Detection and Image Segmentation?
将影像数据揉“碎”了再用 不仅能高效率看病，还登上了顶级期刊
而把眼科影像数据打碎成最小的片段，再利用人工智能的超强计算能力和学习能力，像搭乐高一样的对数据片段进行重新应用，不仅能快速、精确的辅助诊断一些眼科疾病，其研究结果还发表在了顶级杂志《自然生物医学工程》上。
AMLRIS：让 Referring Image Segmentation 学会“在正确的区域用力”
作者｜粉丝投稿编辑｜极市平台Referring Image Segmentation（RIS） 要求模型根据自然语言描述，在图像中精确分割出对应目标。
2020入坑图像分割，我该从哪儿入手？
图源:Anurag Arnab， Shuai Zheng et. al 2018「Conditional Random Fields Meet Deep Neural Networks for Semantic Segmentation」。
深度学习图像分割：网络结构设计一览
部分参考文献:1 Deep Semantic Segmentation of Natural and Medical Images: A Review。
超低标注需求，实现医学图像分割，UCSD提出三阶段框架GenSeg
GenSeg用AI生成高质量医学图像及对应分割标注，在仅有几十张样本时也能训练出媲美传统深度模型的分割系统，显著降低医生手工标注负担。医学图像语义分割是现代医疗中的关键环节，广泛应用于疾病诊断、治疗规划、手术辅助等任务中。
AI入门第一课：把模型跑起来
AI大模型发展到现在，国内外都有在线和离线版本，那如何在自己本地部署大模型呢？本文分享了一种简单的办法，一起来看看吧。我们经常能看到某某公司开源了一款AI大模型的新闻。
Diffusion 扩散模型详解：驱动高质量 3D 内容生成的核心机制
在 AI 领域，扩散模型（Diffusion Model）已经成为生成高质量 3D 内容的核心技术之一。从二维图像的辉煌到三维创造的新大陆，扩散模型不仅能够生成逼真的 3D 模型，还能根据文本描述进行创意生成。
从0到1搭建医疗AI产品评测体系（一）
医疗AI产品经理常遇实验室指标与临床实效错位的困境。为填补此鸿沟，需建立全面评测体系。本文剖析了医疗AI产品力的三层架构及核心评测指标，助您理解如何打造高效实用的医疗AI产品。1.为什么我们需要一套全面的医疗AI产品评测体系？