Huashu Design
alchaincyf · 技能
把你在 AI 智能体里写的一句话需求,变成一份完成的设计:发布动画、可点击的应用原型、可编辑的幻灯片、信息图,或一组小红书图片。可在多种智能体中使用。
演示如何用 CLIP 图像嵌入而不是观看记录,来挑选每个片名展示哪张海报。这是一个静态的浏览器演示,灵感来自 Netflix 公开的工程文章,与 Netflix 无关联。
Artwork Personalization Demo 是一款工具包,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install -U huggingface_hub hf download avantiwhenever/netflix-personalization --repo-type space --local-dir netflix-personalization cd netflix-personalization
这个浏览器演示为每个片名个性化挑选展示哪张海报。它用 CLIP 图像嵌入给海报图片排序,而不是用谁看过什么的记录。这个思路参照了 Netflix 的 MAPS 多模态素材个性化方法。作者声明它与 Netflix 没有关联。
它适合想在小规模上看到基于内容的海报选择的推荐系统工程师、数据科学家和学生。想在自己动手之前先理解这个思路的产品团队也适合用它。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 流媒体 | 推荐系统工程师 | 研究没有交互历史时的海报选择 | 打开演示,看海报是如何排序的 |
| 营销 | 创意团队 | 了解不同观众为什么看到不同的图片 | 对比同一个片名下展示的海报 |
| 数据科学 | 分析师 | 探索把 CLIP 嵌入当作排序信号 | 阅读 app.js 和 data 文件夹 |
| 教育 | 学生 | 了解基于内容的个性化 | 跟着演示从海报走到排序 |
需要用真实用户数据的生产级推荐系统的人可以跳过它,因为这是一个带有来自 TMDB 的海报和元数据的小演示。
这个演示可以在两个地方运行。
| Use case | Who | What they get back |
|---|---|---|
| 海报排序 | 工程师 | 根据图像嵌入为每个片名选出的海报 |
| 思路演示 | 产品团队 | 一幅关于海报个性化如何运作的直观图景 |
| 代码阅读 | 开发者 | 一个脚本和数据都便于查看的静态页面 |
在线页面不需要安装任何东西。本地副本需要下面这些。
pip install -U huggingface_hub hf download avantiwhenever/netflix-personalization --repo-type space --local-dir netflix-personalization cd netflix-personalization
打开页面,浏览各个片名。看看演示为每个片名选了哪张海报。页面从 index.html 运行,配有一个脚本、一个样式表、一个 data 文件夹和一个 posters 文件夹。
| 工具 | 作用 |
|---|---|
| index.html | 你要打开的页面 |
| app.js | 演示背后的脚本 |
| data 文件夹 | 存放演示的数据 |
| posters 文件夹 | 存放海报图片 |
你打开演示并选一个片名。页面会显示它为该片名排在第一位的海报,是通过比较 CLIP 图像嵌入选出来的。
如果你刚接触这类工具,可以想想流媒体服务给不同的人看不同封面图的情形。打开演示,选一个片名,看排序把哪张海报放在第一位。
如果你熟悉这个领域,这个方法用 CLIP 图像嵌入给海报打分,而不是基于 ID 的交互历史。作者完整的源码、数据管线和文档放在另一个仓库里,其中包括把排序与热度基线和随机基线对比的离线验证。这个 Space 只放浏览器演示。
这个 Space 是一个小型的教学演示。详细的验证在它之外,所以不要把这个演示当作该方法的证明。
演示如何用 CLIP 图像嵌入而不是观看记录,来挑选每个片名展示哪张海报。这是一个静态的浏览器演示,灵感来自 Netflix 公开的工程文章,与 Netflix 无关联。
由 avantiwhenever 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。
它是什么:这个浏览器演示为每个片名个性化挑选展示哪张海报。它用 CLIP 图像嵌入给海报图片排序,而不是用谁看过什么的记录。这个思路参照了 Netflix 的 MAPS 多模态素材个性化方法。作者声明它与 Netflix 没有关联。
适合谁:它适合想在小规模上看到基于内容的海报选择的推荐系统工程师、数据科学家和学生。想在自己动手之前先理解这个思路的产品团队也适合用它。
行业 | 谁在用 | 怎么用 | 例子
流媒体 | 推荐系统工程师 | 研究没有交互历史时的海报选择 | 打开演示,看海报是如何排序的
营销 | 创意团队 | 了解不同观众为什么看到不同的图片 | 对比同一个片名下展示的海报
数据科学 | 分析师 | 探索把 CLIP 嵌入当作排序信号 | 阅读 app.js 和 data 文件夹
教育 | 学生 | 了解基于内容的个性化 | 跟着演示从海报走到排序
需要用真实用户数据的生产级推荐系统的人可以跳过它,因为这是一个带有来自 TMDB 的海报和元数据的小演示。
用在哪里:这个演示可以在两个地方运行。
Use case | Who | What they get back
海报排序 | 工程师 | 根据图像嵌入为每个片名选出的海报
思路演示 | 产品团队 | 一幅关于海报个性化如何运作的直观图景
代码阅读 | 开发者 | 一个脚本和数据都便于查看的静态页面
如何设置:在线页面不需要安装任何东西。本地副本需要下面这些。
pip install -U huggingface_hub
hf download avantiwhenever/netflix-personalization --repo-type space --local-dir netflix-personalization
cd netflix-personalization
如何使用:打开页面,浏览各个片名。看看演示为每个片名选了哪张海报。页面从 index.html 运行,配有一个脚本、一个样式表、一个 data 文件夹和一个 posters 文件夹。
工具 | 作用
index.html | 你要打开的页面
app.js | 演示背后的脚本
data 文件夹 | 存放演示的数据
posters 文件夹 | 存放海报图片
示例:你打开演示并选一个片名。页面会显示它为该片名排在第一位的海报,是通过比较 CLIP 图像嵌入选出来的。
新手与专家:如果你刚接触这类工具,可以想想流媒体服务给不同的人看不同封面图的情形。打开演示,选一个片名,看排序把哪张海报放在第一位。
如果你熟悉这个领域,这个方法用 CLIP 图像嵌入给海报打分,而不是基于 ID 的交互历史。作者完整的源码、数据管线和文档放在另一个仓库里,其中包括把排序与热度基线和随机基线对比的离线验证。这个 Space 只放浏览器演示。
来自 TMDB 的海报和元数据
CLIP 图像嵌入
排序为每个片名挑一张海报
演示显示选中的海报
注意事项:这个 Space 是一个小型的教学演示。详细的验证在它之外,所以不要把这个演示当作该方法的证明。
在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。
README.md 5 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face Space。
| 产品 | 点赞 | 构建方式 | 许可证 | 最近更新 |
|---|---|---|---|---|
| Artwork Personalization Demo 本页 | 2 | static | mit | |
| Arena Leaderboard共有 static | 5,039 | static | apache-2.0 | |
| Browser共有 static | 533 | static | cc0-1.0 | |
| Model Pulse共有 static | 214 | static | apache-2.0 | |
| MTEB-BR Leaderboard共有 static | 126 | static | apache-2.0 | |
| Hub Stats共有 static | 65 | static | apache-2.0 |
alchaincyf · 技能
把你在 AI 智能体里写的一句话需求,变成一份完成的设计:发布动画、可点击的应用原型、可编辑的幻灯片、信息图,或一组小红书图片。可在多种智能体中使用。
op7418 · 技能
能生成单文件 HTML 幻灯片、幻灯片配图和多平台封面的技能,有两套视觉风格,还带演讲者模式用于排练。适合使用 Claude Code 或 Codex 的演讲者。
alirezarezvani · 技能
为 Claude Code 和其他编程智能体提供 411 个现成技能,按角色分组,从工程、产品到营销、财务和合规。以插件方式安装。适合开发者和业务团队。
dBenf · 工具包
回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。
zimmerk4 · 工具包
用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。
yuji-nozawa · 工具包
一篇研究论文的三种规模的预训练视觉 Transformer 检查点,论文研究如何训练注意力头去关注图像区域。适合提取图像特征和复现论文的研究人员。