Project Icon

Motion-X

丰富表现力的3D全身人体动作数据集

Motion-X是一个大规模的3D全身人体动作数据集,包含15.6M个全身姿势和81.1K个动作片段的SMPL-X参数注释。数据集提供动作标签、文本标签及RGB视频、音频等多模态信息。Motion-X支持文本驱动的3D人体动作生成、全身网格恢复等多种任务。通过整合现有数据集并添加在线视频数据,Motion-X为人体动作研究提供了丰富的资源。

EchoMimic - 音频驱动的逼真人像动画系统 支持关键点编辑
AI模型EchoMimicGithub关键点条件开源项目肖像动画音频驱动
EchoMimic是一个音频驱动的人像动画系统,通过编辑关键点来控制动画效果。系统支持英语和中文音频输入,可生成自然的口型、表情和头部动作。项目开源了推理代码和预训练模型,可用于生成高质量的说话头视频,适用于虚拟主播等应用场景。
M3D - 推动3D医学图像分析的多模态大语言模型
3D医学图像分析AI医疗GithubM3D医学数据集多模态大语言模型开源项目
M3D是首个针对3D医学分析的多模态大语言模型系列。项目包含最大规模开源3D医学数据集M3D-Data、多任务能力模型M3D-LaMed和全面评估基准M3D-Bench。M3D在图像-文本检索、报告生成、视觉问答、定位和分割等任务中表现优异,为3D医学图像分析领域提供了新的研究方向。
DreamWaltz - 基于文本生成3D可动画化虚拟形象和场景
3D动画头像DreamWaltzGithubNeRF人体姿态开源项目文本生成3D
DreamWaltz是一个文本驱动的3D可动画化虚拟形象创建框架,结合了预训练2D扩散模型和人体参数模型。通过优化可变形NeRF表示,该框架能从骨骼条件下的扩散监督中学习,实现3D一致性和对任意姿势的泛化。DreamWaltz不仅可以生成单个可动画化虚拟形象,还能构建复杂场景,实现虚拟形象与物体、环境及其他虚拟形象的交互。
Move AI - 革新3D动画创作的无标记动作捕捉技术
3D动画AI工具AI技术Move AI动作捕捉无标记捕捉
Move AI专注于无标记动作捕捉技术,利用人工智能和计算机视觉将2D视频转换为高质量3D动作数据。其单摄像头和多摄像头产品支持实时动作跟踪和后期处理,简化了3D动画创作过程。这项技术广泛应用于游戏开发、音乐视频制作和品牌营销,为动画师和工作室提供了高效的动作捕捉解决方案。
PoseFix_RELEASE - 模块化设计的人体姿态优化工具
GithubPoseFixTensorFlow人类姿态估计图像处理开源项目模型无关
PoseFix是一个模块化设计的人体姿态优化工具,通过精炼现有的姿态估计结果来提升精度。此项目提供了完整的TensorFlow实现,兼容多个公开的2D多人物姿态数据集,如MPII、PoseTrack 2018和MS COCO 2017。用户只需使用简单的.json文件即可改进姿态估计结果。该工具具有灵活性和易于集成的特点,适用于各种姿态估计方法,应用前景广阔。
GauHuman - 基于单目人体视频的高效3D重建与渲染技术
GauHumanGithub人体建模单目视频实时渲染开源项目高斯泼溅
GauHuman是一种新型3D人体重建技术,利用单目人体视频学习关节化高斯散射模型。该方法训练速度快(1-2分钟),渲染实时(最高189 FPS),适用于ZJU-Mocap和MonoCap等数据集。GauHuman提供高效的训练和评估流程,在3D人体重建和渲染领域表现出色,为相关研究开辟新途径。
HumanBench - 推动人体感知基础模型研究进展
CVPRGithubHumanBench人体感知基础模型开源项目计算机视觉
HumanBench项目致力于开发通用人体感知基础模型,包含PATH和UniHCP两个子项目,均发表于CVPR 2023。该项目采用投影辅助预训练技术,旨在提升模型性能,为计算机视觉领域提供新的研究方向。项目代码已开源,上海人工智能实验室正在招募相关研究人员和工程师,共同推进人体感知基础模型的研究。
EMO - 音频驱动的富表情肖像视频生成模型
EMOGithub人像视频生成开源项目扩散模型表情合成音频到视频转换
EMO是一种音频到视频的扩散模型,可在弱条件下生成表现力丰富的肖像视频。该项目由阿里巴巴智能计算研究院开发,将音频输入转化为面部表情和头部动作,增强数字人物的自然度和情感表达。EMO技术在虚拟主播和数字人互动等领域具有应用潜力,可提供更真实的视觉体验。
MiraData - 长时视频数据集助力AI视频生成研究
GithubMiraData开源项目结构化标注视频数据集视频生成长视频
MiraData是一个为长视频生成任务设计的大规模数据集。其特点包括平均72秒的视频长度和详细的结构化字幕。数据集提供330K、93K、42K和9K四个版本,每个视频配有六类字幕:主要对象、背景、风格、相机运动、简短摘要和详细描述。这些特性使MiraData成为改进长序列视频处理和镜头转换建模的重要资源。
multimodal-garment-designer - 利用多模态潜变量扩散模型进行人类为中心的时尚图像编辑
Dress CodeGithubMultimodal Garment DesignerVITON-HD开源项目时尚图像编辑潜在扩散模型
本项目通过多模态条件时尚图像编辑,优化服装设计流程,生成符合文本、人体姿势和服装草图等多种输入模态的时尚图像。采用的新架构基于潜变量扩散模型,并且扩展了Dress Code和VITON-HD数据集,实验结果显示该方法在图像现实性和输入一致性方面效果显著。更多详情请参阅官方文档及GitHub仓库。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号