sayzard[DroidClaw — 구형 안드로이드 폰을 AI 에이전트로 활용하는 오픈소스 프로젝트
DroidClaw는 구형 안드로이드 폰을 AI 에이전트로 활용하는 오픈소스 프로젝트로, 자연어 입력에 따라 화면을 인식하고 ADB를 통해 자동으로 터치 및 입력을 수행합니다. 기존 RPA 도구와 달리 좌표 하드코딩 없이 화면을 이해하고 동작하며, UI가 바뀌어도 어느 정도 적응할 수 있습니다.
Reddit Tech VN BotMột công cụ mới cho phép bất kỳ mô hình AI nào cũng có thể điều khiển điện thoại Android nhờ tích hợp sẵn mô hình thị giác Qwen 2.5 Omni. Phần mềm mã nguồn mở này giúp nhận diện màn hình và thực hiện thao tác, tương thích cả trên máy thật lẫn máy ảo. Đột phá mở ra khả năng ứng dụng rộng rãi hơn cho các mô hình không hỗ trợ vision! #AI #VisionModel #Android #TríTuệNhânTạo #MôHìnhThịGiác
https://www.reddit.com/r/LocalLLaMA/comments/1qmzkmf/now_includes_builtin_vision_model_so_any_model/
Giới thiệu Lenswalker: một game RPG đi bộ 🚶♂️📸. Bạn đi bộ để nạp năng lượng, sau đó chụp ảnh vật thể ngoài đời. Điểm đặc biệt là AI cục bộ (Qwen3-VL) sẽ phân tích ảnh để xác định chủ thể, độ hiếm và chất lượng. Dự án đang ở giai đoạn pre-alpha.
#Gamedev #AI #RPG #IndieGame #SelfHosted #LLM #VisionModel #Tech #Game #ChơiGame #CôngNghệ #TựHost #Lenswalker
**Tiêu đề:** Khả năng hình ảnh ở mô hình Qwen3-VL-8B. Hướng dẫn gõ lệnh dùng Linux Mint 22.2 RX 6600 ✨
**Nội dung:** Dùng lệnh `llama-server -m ./Qwen3-VL-8B-Instruct-Q4_K_M.gguf` tại Bash/terminal để khởi động server. Tích hợp GPU RX 6600 giúp xử lý hình ảnh nhanh.
**Tag:** #HướngDẫn #AI #LinuxMint #GPURX6600 #ModelTrócNhậpTậpTinHình (Tag tiếng Anh: #Guide #AI #LinuxMint #GPURX6600 #VisionModel)
https://www.reddit.com/r/LocalLLaMA/comments/1p9t8tz/how_do_i_enable_vision_capabilities_of_a_m
"Trình duyệt web tùy chỉnh với mô hình Qwen VL tích hợp, giúp giải quyết CAPTCHA và các tính năng khác. Dành cho nhà phát triển, không có giao diện người dùng. #QwenVL #TrìnhDuyệtWeb #CAPTCHA #AI #TríTuệNhânTạo #CustomBrowser #VisionModel"
https://www.reddit.com/r/LocalLLaMA/comments/1onbw6i/custom_web_browser_with_builtin_qwen_vl_model/
TechCrunch | Startup and Technology NewsWhy AI startups are taking data into their own hands
Markus EiseleThe Eye of the Model: A Quarkus Tale of Image Descriptions
Give your Java app the power to see. This hands-on tutorial blends AI, LangChain4j, and local vision models into a spellbinding Quarkus application.
https://myfear.substack.com/p/quarkus-langchain4j-image-description-api
#Java #Quarkus #VisionModel #Qwen
Give your Java app the power to see. This hands-on tutorial blends AI, LangChain4j, and local vision models into a spellbinding Quarkus application.
https://myfear.substack.com/p/quarkus-langchain4j-image-description-api
#Java #Quarkus #VisionModel #Qwen
deadprogramVen a GoMad en Madrid el 7 de mayo porque voy a dar la primera charla en español sobre @wasmvision
https://www.meetup.com/go-mad/events/307495616/
#golang #madrid #tinygo #computerVision #openCV #visionModel #dnn #lvm
💧🌏 Greg CocksSegment Anything Model Can Not Segment Anything - Assessing AI Foundation Model’s Generalizability In Permafrost Mapping
--
https://doi.org/10.3390/rs16050797 <-- shared paper
--
#GIS #spatial #mapping #remotesensing #foundationmodel #AI #artificialintelligence #zeroshot #segmentation #GeoAI #spatialanalysis #LargeLanguageModel #LLM #SAM #performance #metrics #permafrost #visionmodel #icewedge #Arctic #warming #climatechange #thawslumps #landform #terrainmapping #EuroCrops #agriculture
--
https://doi.org/10.3390/rs16050797 <-- shared paper
--
#GIS #spatial #mapping #remotesensing #foundationmodel #AI #artificialintelligence #zeroshot #segmentation #GeoAI #spatialanalysis #LargeLanguageModel #LLM #SAM #performance #metrics #permafrost #visionmodel #icewedge #Arctic #warming #climatechange #thawslumps #landform #terrainmapping #EuroCrops #agriculture
Segment Anything Model Can Not Segment Anything: Assessing AI Foundation Model’s Generalizability in Permafrost Mapping
This paper assesses trending AI foundation models, especially emerging computer vision foundation models and their performance in natural landscape feature segmentation. While the term foundation model has quickly garnered interest from the geospatial domain, its definition remains vague. Hence, this paper will first introduce AI foundation models and their defining characteristics. Built upon the tremendous success achieved by Large Language Models (LLMs) as the foundation models for language tasks, this paper discusses the challenges of building foundation models for geospatial artificial intelligence (GeoAI) vision tasks. To evaluate the performance of large AI vision models, especially Meta’s Segment Anything Model (SAM), we implemented different instance segmentation pipelines that minimize the changes to SAM to leverage its power as a foundation model. A series of prompt strategies were developed to test SAM’s performance regarding its theoretical upper bound of predictive accuracy, zero-shot performance, and domain adaptability through fine-tuning. The analysis used two permafrost feature datasets, ice-wedge polygons and retrogressive thaw slumps because (1) these landform features are more challenging to segment than man-made features due to their complicated formation mechanisms, diverse forms, and vague boundaries; (2) their presence and changes are important indicators for Arctic warming and climate change. The results show that although promising, SAM still has room for improvement to support AI-augmented terrain mapping. The spatial and domain generalizability of this finding is further validated using a more general dataset EuroCrops for agricultural field mapping. Finally, we discuss future research directions that strengthen SAM’s applicability in challenging geospatial domains.
Tech ChilliMicrosoft Unveils Phi-3.5 AI Model Family: Advanced MoE, Vision, and Mini Models Now Available
See here - https://techchilli.com/news/microsoft-unveils-phi-3-5-ai-model-family/
#MicrosoftAI #Phi3.5 #AI #MachineLearning #Innovation #TechNews #HuggingFace #AdvancedAI #MoE #VisionModel #MiniModel
Microsoft Unveils Phi-3.5 AI Model Family: Advanced MoE, Vision, and Mini Models Now Available
Discover Microsoft's latest AI innovation with the Phi-3.5 model family, including MoE, Vision, and Mini models. Available on Hugging Face, these models bring enhanced capabilities in language processing and image analysis.