Project Icon

MixFormer

基于迭代混合注意力的端到端目标跟踪框架

MixFormer是一种创新的端到端目标跟踪框架,采用目标-搜索混合注意力(MAM)骨干网络和角点头部结构,实现了无需显式集成模块的紧凑跟踪流程。这种无后处理方法在LaSOT、GOT-10K和TrackingNet等多个基准测试中表现卓越,并在VOT2020上取得0.584的EAO成绩。项目开源了代码、模型和原始结果,为目标跟踪研究领域提供了宝贵资源。

DAFormer - 提升域适应语义分割的网络架构与训练策略
DAFormerGithubTransformer域自适应语义分割开源项目网络架构语义分割
通过Transformer编码器和多级上下文感知特征融合解码器,显著提升域适应语义分割性能。DAFormer使用稀有类采样、ImageNet特征距离和学习率预热等策略,提升GTA→Cityscapes和Synthia→Cityscapes的分割效果,并扩展至域泛化领域。在多个UDA基准上,DAFormer显著超越了前沿方法,成为领域推广和不受目标图像限制的语义分割任务中新的性能标杆。
ModuleFormer - 高效可扩展的模块化语言模型架构
GithubMoLMModuleFormer大语言模型开源项目模块化稀疏激活
ModuleFormer是一种新型MoE架构,结合棒断注意力头和前馈专家两种专家类型。通过稀疏激活,实现高效性、可扩展性和专业化。基于此架构的MoLM语言模型系列,参数规模40亿到80亿不等,在提高吞吐量的同时保持性能,易于扩展新知识和针对特定任务优化。MoLM在多项基准测试中展现出优秀的效率和性能。
FocalNet - 突破注意力机制的新型视觉模型架构
FocalNetsGithub卷积神经网络图像分类开源项目目标检测语义分割
FocalNet是一种创新的视觉模型架构,无需使用注意力机制。其核心的焦点调制技术在多项视觉任务中超越了现有的自注意力方法。该模型在ImageNet分类和COCO检测等基准测试中表现优异,同时保持了高效简洁的实现。FocalNet具有平移不变性、强输入依赖性等特点,为计算机视觉领域提供了一种全新的建模思路。
LaserMix - 创新半监督LiDAR语义分割框架
GithubLaserMixLiDAR语义分割半监督学习开源项目数据增强空间先验
LaserMix是针对LiDAR语义分割的半监督学习框架。该方法利用驾驶场景空间先验,通过激光束混合构建低变化区域,促使分割模型在混合前后保持一致预测。在多个数据集上,LaserMix显著提升了分割性能,尤其适用于标注数据有限的情况。该框架兼容多种LiDAR分割网络,并已整合至MMDetection3D代码库。
BS-RoFormer - 先进音乐源分离技术的开源实现
BS-RoFormerGithub人工智能开源项目深度学习音乐源分离音频处理
BS-RoFormer是一个开源的音乐源分离项目,实现了先进的注意力网络技术。该项目采用跨频率和时间的轴向注意力以及旋转位置编码,显著提高了分离效果。支持立体声训练和多声部输出,为音乐处理领域带来新的可能。项目提供了详细的使用说明和应用案例,适合研究者和开发者使用。
GameFormer - 结合游戏理论的自动驾驶交互预测规划模型
GameFormerGithubTransformer交互预测开源项目自动驾驶规划
GameFormer是一个创新的自动驾驶AI项目,结合游戏理论和Transformer架构进行交互式预测和规划。项目提供Waymo开放运动数据集上的交互预测联合模型代码,以及动态场景的开环规划实现。GameFormer提高了预测准确性和自动驾驶系统的决策能力,为智能交通系统研究开辟新方向。
caformer_b36.sail_in22k_ft_in1k - CAFormer图像分类模型基于MetaFormer设计
CAFormerGithubHuggingfaceImageNettimm图像分类开源项目模型特征提取
CAFormer基于MetaFormer架构,支持由ImageNet-22k预训练和ImageNet-1k微调,旨在增强图像识别能力。拥有98.8M参数与23.2 GMACs,擅长处理224x224像素图像。通过TIMM库访问,这款图像分类/特征骨干模型能够提升图像理解及特征提取,适用于图像分类、特征提取和图像嵌入等多种视觉任务。
iros20-6d-pose-tracking - 6D姿态跟踪的优化方案,提高机器人操控和视觉领域的精度和效率
6D姿态跟踪GithubRGB-D图像iros20-6d-pose-trackingse(3)-TrackNet开源项目机器人操作
se(3)-TrackNet通过校准合成图像残差,实现视频序列中的6D姿态跟踪,适用领域包括机器人操控和增强现实。其神经网络架构有效减少域迁移,并采用Lie Algebra实现三维定向表示,即使仅使用合成数据训练也能在真实图像中工作。研究表明,在遮挡条件下,该方法提供稳定和精准的姿态估计,计算效率高达90.9Hz。
MIMDet - 掩码图像建模应用于目标检测的开源项目
GithubMIMDet卷积神经网络实例分割开源项目物体检测视觉变换器
MIMDet是一个利用掩码图像建模技术的开源项目,能够提升预训练的Vanilla Vision Transformer在目标检测中的表现。此框架采用混合架构,用随机初始化的卷积体系取代预训练的大核Patchify体系,实现多尺度表示无需上采样。在COCO数据集上的表现亮眼,使用ViT-Base和Mask R-CNN模型时,分别达到51.7的框AP和46.2的掩码AP;使用ViT-L模型时,成绩分别是54.3的框AP和48.2的掩码AP。
MiVOS - 交互式视频对象分割方法与差异感知融合
DAVISGithubMiVOSPyTorch交互式分割开源项目视频对象分割
该项目介绍了一种模块化的交互视频对象分割方法,通过交互生成对象掩码并采用差异感知的融合模块进行处理。该方法在DAVIS和YouTube等基准测试中表现出色,并支持用户交互的GUI工具,简化了视频对象标注过程。项目还集成了多个预训练模型,并提供了快速下载和数据生成脚本,为研究人员和开发者提供了便捷高效的解决方案。
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