全任务零样本学习模型（mT5分类增强版） 该模型在mt5模型基础上使用了大量中文数据进行训练，并引入了零样本分类增强的技术，使模型输出稳定性大幅提升。 支持任务包含： 文本分类：给定一段文本和候选标

Temporary file for diffusers+modelscope integaration from modelscope.utils.constant import Tasks fro

UniTE介绍 模型描述 翻译质量评价，即对翻译文本进行质量评估，在给定源端输入、目标端参考答案、或两者均有提供的情况下，算法用于评估所生成文本的质量。本单一模型可同时支持提供源端输入（src-onl

FAQ问答模型 FAQ问答是对话系统中最常见的业务场景，利用FAQ问答模型计算用户问题与知识库问法间的相似度并进行排序，从而定位用户意图并返回合适的答案。多语言FAQ问答模型支持多种语言的语义排序任务

春联生成模型 春联生成模型是达摩院AliceMind团队利用基础生成大模型在春联场景的应用，该模型可以通过输入两字随机祝福词，生成和祝福词相关的春联。 AliceMind基础生成大模型介绍 Alice

Clone with HTTP git clone https://www.modelscope.cn/charlesHuang/vqa_mos.git vqa_mos 画质感知评价 图像/视频在

OFA-文本生成SQL 文本生成SQL是什么？ 根据用户输入的自然语言文本，将之转化为数据库可以接受的SQL语言，从而可以在数据库中检索出想要的答案。 快速玩起来 玩转OFA只需区区以下数行代码，就是

该模型当前使用的是默认介绍模版，处于“预发布”阶段，页面仅限所有者可见。 请根据模型贡献文档说明，及时完善模型卡片内容。ModelScope平台将在模型卡片完善后展示。谢谢您的理解。 Clone wi

快速传送 点我试用训练好的门址地址要素解析模型 点我试用训练好的地理实体对齐模型 点我试用训练好的Query-POI相关性排序 点我试用训练好的地址Query成分分析模型 点我试用训练好的Where

快速传送 点我试用训练好的门址地址要素解析模型 点我试用训练好的地理实体对齐模型 点我试用训练好的Query-POI相关性排序 点我试用训练好的地址Query成分分析模型 点我试用训练好的Where

快速传送 点我试用训练好的门址地址要素解析模型 点我试用训练好的地理实体对齐模型 点我试用训练好的Query-POI相关性排序 点我试用训练好的地址Query成分分析模型 点我试用训练好的Where

视频：使用AI比较地址相似度 教程：使用Python+AI模型比较地址相似度 快速传送 点我试用训练好的门址地址要素解析模型 点我试用训练好的地理实体对齐模型 点我试用训练好的Query-POI相关

视频：用AI拆分地址里的区划道路 教程：使用python+AI模型拆分Excel中地址的省市区街道 快速传送 点我试用训练好的门址地址要素解析模型 点我试用训练好的地理实体对齐模型 点我试用训练好的

全景图深度估计算法介绍 任务 输入一张单目全景RGB图像，全景深度估计算法将分析场景三维结构、输出图像对应的稠密深度图. 模型描述 本模型基于UniFuse: Unidirectional Fusio

级联结构的多视图深度估计 介绍 任务：输入一堆已知相机位姿的图片，预测每张图的深度图以及深度图融合，输出融合后的点云 模型描述 提出了一种节省显存和同时提升精度的cascaded cost volum

基于StructBERT的医疗领域中文Base预训练模型介绍 医疗领域StructBERT模型是基于中文StructBERT模型在医学数据上继续masked language model任务训练的医疗

该模型当前使用的是默认介绍模版，处于“预发布”阶段，页面仅限所有者可见。 请根据模型贡献文档说明，及时完善模型卡片内容。ModelScope平台将在模型卡片完善后展示。谢谢您的理解。 Clone wi

GPT-2文本生成模型介绍 GPT-2 是一个 transformer 模型，以自我监督的方式在大量英语数据集上进行预训练。 这意味着它仅在原始文本上进行了预训练，没有以任何方式进行标记，，并通过自动

视频插帧介绍 给定一段低帧率视频，模型会返回更流畅的高帧率视频（默认为输入帧率两倍）。 模型描述 全链路插帧模型包含光流计算模块和中间帧生成模块。其中光流计算模型复用了RAFT，详见：https://

Scene Flow Estimation on 3D Point Clouds 介绍 任务：输入两堆点云，输出每个点的三维光流（xyz） 模型描述 采用递归神经网络和attention机制来迭代求解