Project Icon

Mask3D

改进3D语义实例分割方法,兼容多种数据集

Mask3D是一个提升3D语义实例分割的开源项目,支持ScanNet、ScanNet200、S3DIS和STPLS3D数据集。项目集成了PyTorch、PyTorch Lightning和Hydra工具,提供高效的架构和训练流程,包括数据预处理、模型训练与测试。此外,Mask3D在多个挑战中表现优异,包括在ECCV 2022的Urban3D挑战中获得第二名。

3DitScene - 通过语言指令编辑3D场景的创新技术
3DitSceneGithub场景编辑开源项目计算机视觉语言引导高斯散射
3DitScene是一个开源项目,开发了基于语言引导的解耦高斯散射技术来编辑3D场景。该技术允许通过自然语言指令编辑场景中的特定对象,包括移动、旋转或删除。项目保持场景整体一致性,同时支持生成新视角。开发者提供了安装指南和使用说明,并在Hugging Face平台上部署了演示,方便研究人员和开发者探索这一3D场景编辑技术。
2dimageto3dmodel - 创新损失函数实现单图2D到3D模型生成
3D模型生成GANGithub单图重建开源项目损失函数点云
该项目开发了一种新型损失函数,能够直接从单张2D图像生成3D模型,无需复杂的渲染过程。项目采用条件GAN架构实现纹理映射,并优化了点云到3D网格的转换技术。在CUB鸟类和Pascal 3D+数据集上的测试显示了显著效果。此外,项目还提供预训练模型、伪真值生成和网格生成器训练等功能,为3D重建研究领域贡献了实用工具和参考方法。
mask2former-swin-large-coco-panoptic - 基于Transformer架构的高效图像分割模型
COCO数据集GithubHuggingfaceMask2Former图像分割开源项目模型深度学习视觉模型
Mask2Former-Swin-Large是一个基于COCO数据集训练的图像分割模型,通过多尺度可变形注意力和掩码注意力机制,实现了实例、语义和全景分割的统一处理。相比MaskFormer具有更高的性能和计算效率
ScanNet - 包含2.5百万视图的RGB-D视频数据集及其3D重建
3D重建BundleFusionGithubRGB-D视频数据集ScanNet开源项目语义分割
ScanNet是一个丰富的RGB-D视频数据集,包含超过1500次扫描和2.5百万个视图,包括3D相机姿态、表面重建和实例级语义分割标签。用户需通过机构邮箱填写使用协议以下载数据。数据按RGB-D序列组织,包含多种格式的重建网格和注释文件。附带工具有ScanNet C++工具包、相机参数估计代码和网格分割代码。本数据集支持多项场景理解基准任务,并提供相关代码与文档。
stable-fast-3d - 单图快速重建3D网格的开源模型
3D重建GithubSF3DUV展开单图重建开源项目照明解耦
Stable Fast 3D是一个开源的3D重建模型,可从单张图像快速生成3D网格。该模型基于TripoSR,改进了网格和纹理生成,并引入UV展开和光照分离技术。它不仅生成高质量3D资产,还保持快速推理速度。模型支持自定义纹理分辨率和重网格化,适用于游戏开发等领域。用户可通过命令行或Gradio应用使用这一工具。
mask2former-swin-small-coco-instance - 基于Transformer架构的统一图像分割框架
GithubHuggingfaceMask2Former图像分割开源项目机器视觉模型模型训练语义识别
Mask2Former是一个基于COCO数据集的图像分割模型,采用Swin-Small作为基础架构。通过统一的掩码预测方法实现实例、语义和全景分割功能。该模型创新性地结合多尺度可变形注意力机制和掩码注意力技术,优化了计算效率。采用子采样点损失计算策略,使训练过程更加高效。
MDT - MDTv2图像合成模型:更快收敛和卓越性能
GithubMasked Diffusion Transformer人工智能图像合成开源项目深度学习计算机视觉
MDTv2是一种先进的深度学习图像合成模型,在ImageNet数据集上实现了1.58的FID分数,创造新的业界标准。该模型采用掩码潜在建模技术,提高了图像语义理解能力,学习速度比先前模型快10倍以上。MDTv2在图像生成质量和训练效率方面都有显著提升,为计算机视觉和人工智能领域带来了新的可能性。
Cycle3D - 创新的图像到3D生成技术
Cycle3DGithub图像生成3D开源项目扩散模型生成重建循环高质量纹理
Cycle3D是一项图像到3D生成技术,通过生成-重建循环提高3D模型的质量和一致性。该技术结合2D扩散模型的纹理生成和3D重建的多视图一致性,在多步扩散过程中交替使用这两个模块。Cycle3D在生成质量和视图一致性方面表现优异,为3D内容创作提供了新的解决方案。
SegVol - 突破性的通用交互式三维医学影像分割模型
3D建模CT扫描GithubSegVol人工智能医学图像分割开源项目
SegVol是一个创新的通用交互式三维医学影像分割模型,支持点、框和文本提示输入。该模型在96,000个CT扫描数据集上训练,可分割超过200个解剖类别。SegVol开源了推理代码、训练代码、模型参数以及预训练的ViT参数。通过内部和外部验证,SegVol展现出优秀的分割性能,为医学影像分析提供了新的解决方案。
meshgpt-pytorch - 基于注意力机制的先进3D网格生成框架
3D建模GithubMeshGPT开源项目深度学习神经网络计算机图形学
MeshGPT-Pytorch是一个开源项目,专注于利用注意力机制实现3D网格生成。它基于PyTorch开发,支持可变长度面处理,并提供自动编码器和转换器模型。该项目计划引入文本条件控制功能,实现从文本到3D模型的转换。通过文本条件生成和分层转换器等高级特性,MeshGPT-Pytorch为3D内容创作和研究领域提供了先进的技术支持。
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

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

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