gen-cv

用自然语言搞定视觉任务，快速搭建生成式视觉应用

gen-cv 是微软推出的视觉 AI 解决方案加速器，旨在帮助开发者快速构建基于生成式计算机视觉的应用。它解决了传统计算机视觉任务（如目标检测、图像分割）依赖大量标注数据、难以灵活适配新场景的问题，通过整合 Azure 认知服务（如 Florence、DALL-E 3、Embeddings）与向量搜索，提供从图像理解到图像生成的端到端能力。项目核心包括：利用基础模型进行零样本/少样本视觉推理，通过自然语言交互完成检测、分类、描述等任务；结合认知搜索向量存储实现图像语义检索与多模态问答；支持生成式视觉任务，如根据文本生成或编辑图像。代码以 Jupyter Notebook 形式呈现，易于上手和二次开发，适合作为企业级视觉 AI 应用的起点。