V*是一种新的基于图像的搜索算法，可以显著提高GPT-V（和其他VLM）验证码识别性能。这项技术的开发者表示，V*可以通过大量的图像数据来训练模型，从而提高模型的精度。V*算法的另一个优点是它可以将不同的图像元素组...

Gemini在各种视觉任务中比许多开放模型表现更好。它在相同任务中似乎与GPT-V竞争力十足。

tldraw最近发布了一款病毒式应用程序，它可以让用户使用类似绘画的界面快速设计软件，然后使用GPT-V为设计生成Web代码。这一功能非常出色，生成的代码健壮可靠，同时还支持自然语言指令。

最近，一位GitHub用户发布了一款基于GPT-V生成UI的Demo。该Demo使用了一款简单易用的手绘界面，可用于创建HTML网站。用户只需在手绘界面中简单勾画出所需的UI元素，GPT-V模型即可自动将其转化成相应的HTML代码。该De...