这是一个创建于 311 天前的主题，其中的信息可能已经有所发展或是发生改变。
现在手上有一个项目，需要用几个简单的词描述一下图片里的内容、拍摄距离（远、中、近）、光线的亮度(低、中、高)。由于图片数量比较大，人工去处理比较慢。
目前考虑的方案有以下三个：
1 、使用 chatgpt 4, 实验之后感觉效果不错。缺点是速度比较慢，而且 chatgpt4 有使用频率限制，一天处理不了多少图片。不知道有没有其他的平台有提供类似的服务，最好是可以用 api 的方式调用
2 、自己租一台服务器，去跑模型，目前看了一下 minigpt4, 效果未知。有没有其他的模型推荐
3 、人工一张一张处理
大佬们，有没有其他什么好的方案推荐？
目前考虑的方案有以下三个：
1 、使用 chatgpt 4, 实验之后感觉效果不错。缺点是速度比较慢，而且 chatgpt4 有使用频率限制，一天处理不了多少图片。不知道有没有其他的平台有提供类似的服务，最好是可以用 api 的方式调用
2 、自己租一台服务器，去跑模型，目前看了一下 minigpt4, 效果未知。有没有其他的模型推荐
3 、人工一张一张处理
大佬们，有没有其他什么好的方案推荐？
第 1 条附言 · 311 天前
描述示例
描述： restaurant menu card
描述：cheesecake store
描述：Advertisement of limited offer in McDonald's
 |
1
czfy 311 天前  1
“需要用几个简单的词描述一下图片里的内容”
举个例子，最后要描述成什么样 |
 |
2
h272377502 311 天前 1
gpt4 不是提供了 api 了吗，minigpt4 和 gpt4 差距很大
|
 |
4
Egfly OP @h272377502 gpt4 api 有调用频率限制吗
|
 |
5
dobelee 311 天前 1
看你的例子可不“简单”。图二需要通过 cake 等字眼结合分析才能得到是餐厅，图三需要识别麦当劳的 logo 才能得出是麦当劳的广告。一般给照片内容识别打标签的 AI 没训练到这程度吧，还是得上 chatgpt 或者 gemini 。
|
 |
7
jZEdn7k4 311 天前 via iPhone 2
你这个任务叫 image captioning ，github 用这个关键词搜一下，不少开源代码和模型的，当然质量比不上 gpt 也不会太差
|
 |
8
Puteulanus 311 天前 1
我之前用过 IBM Watson Visual Recognition ，不知道现在还活着没
国内的用过腾讯的万象优图 https://cloud.tencent.com/document/product/460/39082 |
 |
9
loi1noG2463cVpXu 311 天前 via Android 1
人工，增加工作机会，造福社会
|
 |
10
vivisidea 311 天前 1
|
Select Language