A Dive into Text-to-Video Models
Hugging Face Blog1121d agoTutorial本文由 Hugging Face 撰寫，深入剖析文字生成影片（Text-to-Video）模型的底層原理，包含如何將 2D 擴散模型擴展至 3D 時間維度。文章介紹了當時主流的開源模型（如 ModelScope），並提供使用 diffusers 函式庫進行實作的程式碼範例，是理解早期開源 AI 影片生成技術的經典指南。
Using Machine Learning to Aid Survivors and Race through Time
Hugging Face Blog1187d agoCommentary本文探討機器學習在災難救援中的關鍵應用。在土耳其與敘利亞大地震等災害發生後，AI 社群迅速動員，利用計算機視覺分析衛星影像以評估建築損毀，並透過自然語言處理（NLP）篩選社群媒體上的求救訊號。Hugging Face 強調開源協作與模型共享在爭分奪秒的救援任務中扮演的重要角色。
A Dive into Vision-Language Models★ 80
Hugging Face Blog1215d agoTutorialHugging Face 釋出的這篇技術指南，深入探討了視覺語言模型 (VLM) 的核心架構。文章詳細介紹了 VLM 如何結合圖像與文字編碼器，並剖析了對比學習（如 CLIP）、生成式（如 BLIP、GIT）及多模態融合等三大主流預訓練策略。最後，展示了如何利用 Hugging Face Transformers 庫輕鬆調用這些模型，是理解多模態 AI 的必讀經典。
The State of Computer Vision at Hugging Face 🤗
Hugging Face Blog1219d agoCommentary本文為 Hugging Face 官方發布的電腦視覺（CV）生態總覽。隨著 Transformers 庫對視覺模型的支援、與 Timm 庫的深度整合，以及 Diffusers 在生成式 AI 的爆發，Hugging Face 已從 NLP 平台轉型為全方位的 AI 社群。文章詳細介紹了影像分類、目標檢測、語義分割等任務的支援現狀，並展示了如何利用其工具鏈進行高效開發。
Universal Image Segmentation with Mask2Former and OneFormer★ 70
Hugging Face Blog1230d agoReleaseHugging Face 宣布在 transformers 庫中支援 Mask2Former 與 OneFormer 兩大通用影像分割模型。這兩款模型打破了以往語意、實例和全景分割需要不同架構的限制，實現「單一架構通吃所有分割任務」。開發者現在可以透過簡單的 API 輕鬆載入預訓練模型，並應用於各類電腦視覺場景。
Image Similarity with Hugging Face Datasets and Transformers
Hugging Face Blog1233d agoTutorial這是一篇 Hugging Face 官方教學，指導開發者如何建立圖像相似度搜尋引擎。文章詳細說明了如何使用 Vision Transformer (ViT) 提取圖像特徵向量，並利用 Hugging Face Datasets 內建的 FAISS 整合功能進行高效的向量索引與檢索。此方法適用於以圖搜圖、推薦系統及重複圖片偵測等應用場景。
Zero-shot image segmentation with CLIPSeg
Hugging Face Blog1259d agoTutorialHugging Face 介紹了 CLIPSeg 模型，這是一個基於 CLIP 的零樣本圖像分割工具。使用者只需輸入簡單的文字提示（如「貓」或「杯子」）或參考影像，模型就能精確分割出目標物體。此技術免去了傳統分割模型需要大量標記資料與重新訓練的痛點，並已整合至 Hugging Face transformers 庫中，開發者只需幾行程式碼即可輕鬆上手。
Image Classification with AutoTrain
Hugging Face Blog1343d agoTutorialHugging Face 介紹了其無程式碼平台 AutoTrain 在圖像分類任務上的應用。使用者只需上傳整理好的圖片資料集，系統便會自動進行模型選擇、超參數調優與訓練。訓練完成後，模型會直接託管於 Hugging Face Hub，並自動生成 Inference API，極大地降低了電腦視覺應用的開發門檻。
Deep Dive: Vision Transformers On Hugging Face Optimum Graphcore
Hugging Face Blog1384d agoTutorialHugging Face 深入探討如何結合 Optimum 庫與 Graphcore 的 IPU（智慧處理單元）來加速 Vision Transformer (ViT) 模型。文章詳細說明了 optimum-graphcore 的整合方式，展示如何透過簡單的代碼修改，在 IPU 上實現高效的圖像分類模型微調與推理。這為需要處理大規模電腦視覺任務的開發者提供了一個強大且具成本效益的硬體加速方案。
Introducing new audio and vision documentation in 🤗 Datasets
Hugging Face Blog1405d agoReleaseHugging Face 針對其熱門開源庫 `datasets` 發布了全新的音訊與電腦視覺專屬文件。此更新旨在引導開發者如何載入、預處理及操作非文本資料，並詳細介紹了 `Audio` 與 `Image` 特徵類型的使用方法。這標誌著 Hugging Face 從純文本領域向多模態 AI 邁出的重要一步。
Deploying TensorFlow Vision Models in Hugging Face with TF Serving
Hugging Face Blog1408d agoTutorial本教學詳細說明如何將 Hugging Face 平台上的 TensorFlow 電腦視覺模型（如 ViT）導出為 SavedModel 格式。接著，展示如何利用 TensorFlow Serving (TF Serving) 搭配 Docker 進行模型部署，並透過 REST API 進行高效能的影像分類推論，為開發者提供一套將研發成果轉化為生產線服務的標準流程。
The Annotated Diffusion Model★ 85
Hugging Face Blog1456d agoTutorial本文為 Hugging Face 經典的擴散模型（Diffusion Models）深度教學，以 DDPM 為核心。透過 PyTorch 程式碼逐步實作前向加噪與反向去噪過程，並詳細拆解 U-Net 架構與損失函數。適合想從底層程式碼理解生成式 AI 影像生成原理的開發者與研究者。
Fine-Tune a Semantic Segmentation Model with a Custom Dataset
Hugging Face Blog1538d agoTutorial本指南介紹如何利用 Hugging Face 的 Transformers 庫微調 SegFormer 進行語義分割。內容涵蓋自定義資料集的準備、使用 SegformerImageProcessor 進行圖像預處理，以及設定 Trainer API 進行訓練。最後，教學展示了如何使用 mIoU 評估模型效能並進行推理。
Image search with 🤗 datasets
Hugging Face Blog1539d agoTutorialHugging Face 介紹了如何使用其 datasets 庫來實現圖像搜尋系統。透過整合預訓練的視覺模型（如 CLIP）來提取圖像的特徵向量（embeddings），並利用內建的 FAISS 索引功能，開發者可以輕鬆對大規模圖像數據集進行高效的相似度檢索。這為以圖搜圖、多模態檢索等應用提供了極為簡便的實作路徑。
Fine-Tune ViT for Image Classification with 🤗 Transformers★ 70
Hugging Face Blog1572d agoTutorial本文為 Hugging Face 官方教學，詳細介紹如何使用 `transformers` 與 `datasets` 函式庫微調 Vision Transformer (ViT) 模型。內容涵蓋從載入 Beans 資料集、使用影像處理器進行資料前處理、設定 `Trainer` API 進行訓練，到最後將微調後的模型上傳至 Hugging Face Hub 的完整流程，是電腦視覺開發者的必讀入門指南。
Perceiver IO: a scalable, fully-attentional model that works on any modality★ 70
Hugging Face Blog1630d agoReleaseDeepMind 提出的 Perceiver IO 已正式整合至 Hugging Face。該模型透過引入「潛在瓶頸」與「輸出查詢」機制，成功將 Transformer 的二次方複雜度降至線性，使其能高效處理高維度的多模態數據（如圖像、音訊、3D 點雲）。Perceiver IO 不僅能接收任意輸入，還能靈活輸出各種結構的數據，是邁向通用 AI 架構的重要一步。