tao-generate-image-grounding
TAO 图像接地流水线:从(图像,caption)对中提取指代表达,并通过 VLM 将其定位为像素级边界框,用于生成指代表达与接地模型的训练数据。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-05 00:16
17,421 个结果
TAO 图像接地流水线:从(图像,caption)对中提取指代表达,并通过 VLM 将其定位为像素级边界框,用于生成指代表达与接地模型的训练数据。
基于 TAO Toolkit 的图像指代表达生成流水线,将图像与 KITTI 格式边界框标签转换为区域描述、场景标题和带框的指代/定位标注,由单个视觉语言模型分四步完成,输出统一 annotations.jsonl。
TAO VCN 样本路由技能:在 VCN AOI SDA 流程中,把 tao-analyze-gaps-visual-changenet 输出的最弱样本按标签资格拆分为 k-NN Mining 与 AnomalyGen 两个子集,并生成可审计的逐标签路由摘要与报告。
NVIDIA TAO 模型的标准单步训练技能,用于在标注数据集上完成训练、评估与导出;不涉及迭代式数据增强或 AutoML 工作流。需 TAO 容器镜像与运行平台技能支持。
NVIDIA TAO DAFT 数据集格式校验技能:通过 `tao-daft validate` 检查 DAFT 数据集的结构、schema 与交叉引用错误,支持单个数据集或父目录遍历,仅适用于 DAFT,不用于非 DAFT 布局。
用于生成 VSS 视频分析报告的技能,按请求路由到两种后端:Mode A 对单个录像片段经 VLM 生成逐片段报告,Mode B 通过 video-analytics 查询时间范围内的告警事件生成事件范围报告。不用于独立视频摘要、片段问答或只读指标查询。
该技能用于通过 VA-MCP 服务器(端口 9901)以只读方式查询视频分析的事件、告警、指标与传感器数据,基于 Elasticsearch。不适用于实时 VLM 问答、事件报告生成、存档搜索或部署操作。
该技能用于独立部署 vss-behavior-analytics 行为分析服务,可选择入口点、配置源与可选标定,不属于完整仓库部署。需匹配的 VSS 配置与微服务可达,并具备 NGC 凭据、Docker 运行时。
OKX 交易所账户与持仓查询技能,用于查看余额、持仓、盈亏、账单、手续费与资金划转,需配置 API 凭据。基于 okx CLI 提供 okx account 系列命令,支持实盘与模拟盘。
OKX CEX Smart Money 命令行技能,用于查询 OKX 聪明钱排行榜交易员、持仓、成交与平仓记录,以及聚合共识信号和信号趋势,共 10 个只读命令。需先安装 okx CLI 并配置凭据。
OKX 聚合的多链 DeFi 产品与持仓发现管理工具,通过 onchainos defi CLI 命令组使用,可搜索产品、查看 APY 与 TVL、存入、赎回、领取奖励及查看持仓概览。
okx-dex-market 是 Onchain OS 的只读 DEX 数据技能,用于查询代币、行情、信号、社交、Trenches 与 WebSocket 数据,支持代币搜索与排名、流动性、持有人、风险元数据、聪明钱与 KOL 动态等。写入及协议类操作需路由到对应技能。
okx-dex-signal 是 Onchain OS 的 DEX 信号与牛人榜技能,用于追踪聪明钱、KOL 与大户活动,提供原始交易流水、聚合买入信号和交易者排行榜,共 5 条命令。
okx-dex-token 是 Onchain OS 提供的代币级数据技能,包含 13 条命令,用于代币搜索、元数据、价格与市值、流动性池、热门代币榜单、持仓分布、风险信息、顶级交易者、交易历史与持仓聚类分析,并支持查询聚类分析所支持的链。
Onchain OS DEX WebSocket 是一个用于消费实时 DEX(去中心化交易所)数据的统一技能。它提供两种使用方式:一是通过 CLI 命令 onchainos ws 启动后台会话并增量轮询事件,适合监控和智能体驱动的工作流;二是编写自定义 Python/Node/Rust WebSocket 客户端,适合机器人和自定义逻辑。技能支持九大频道,涵盖市场行情(price、dex-token-candle 等)、代币数据(price-info、trades)、信号与钱包追踪(dex-market-new-signal-openapi、kol_smartmoney-tracker-activity、address-tracker-activity)以及 Meme/Trenches(dex-market-memepump-new-token-openapi 等)。CLI 提供 channels、channel-info、start、poll、list、stop 等子命令,支持按链、代币对、钱包地址等参数筛选,并可设置 idle-timeout 自动停止。使用前需进行 preflight 检查并安装相关依赖技能。
通过公开钱包地址查询多链资产组合的 CLI 技能,支持 XLayer、Solana、Ethereum、Base、BSC、Arbitrum、Polygon 等 20 多条链,可查总资产价值、全部代币余额和指定代币余额。
技术分析大师技能,专注于价格行为、图表形态与技术指标。该技能融合经典的道氏理论、威科夫方法、蜡烛图形态识别、多时间框架分析、成交量分布、斐波那契应用与艾略特波浪等,并强调用统计回测验证形态的有效性。其核心理念包括价格即真相、形态需结合上下文、多周期共振、成交量验证、失败形态也是信号、先回测再信任、简单优于复杂等。该技能要求回答时以参考文件为准:创建时查阅 patterns.md,诊断时查阅 sharp_edges.md,审查时查阅 validations.md。适用于外汇、股票、加密货币和大宗商品等市场的技术分析场景。
YouTube 视频智能剪辑工具,可下载视频与字幕,用 AI 分析生成几分钟级精细章节,用户选择片段后自动剪辑、翻译并生成中英双语字幕、烧录字幕到视频,并生成总结文案。
Valibot 是一个模块化、类型安全的 JavaScript/TypeScript 结构数据校验库。本技能用于创建与修改 Valibot schema、解析和校验用户输入,以及从 Zod 迁移到 Valibot,并强调两者 API 不可混用。
Sentry 只读可观测性技能:通过 Sentry CLI 查看问题与事件、汇总生产环境近期错误并读取基本健康数据。支持问题列表、详情、事件、AI 根因分析与修复计划,输出可用 JSON 格式化。仅提供只读查询能力。
基于 Apify 平台 55+ 个预构建 Actor 的网页数据抓取技能,可提取社交媒体、搜索引擎、电商等平台的结构化数据,支持按需自动选择最合适的 Actor,输出 JSON/CSV 或摘要。需配置 APIFY_TOKEN。
百度伏谋(FaMou)算法自演化技能的介绍:通过预置脚本调用实验管理与可视化能力,帮助完成复杂算法实验的调优。使用时需设置 APPBUILDER_TOKEN。
基于 PaddleOCR-VL-1.5 的文档解析技能,为 Agent 提供超高精度文档识别与解析能力,支持文档结构识别、表格提取与还原、公式识别、图文混排解析及多语言文档。
基于 PP-OCRv5 轻量化模型的 PaddleOCR 文字识别技能,支持自然场景与复杂文档的文字检测和识别,并提供预置脚本调用百度通用文字 OCR。