GameFormer

结合游戏理论的自动驾驶交互预测规划模型

GameFormer 自动驾驶交互预测规划 Transformer Github 开源项目

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。

AutoAct - 自主规划驱动的智能体学习框架

AutoActGithub人工智能大语言模型开源项目机器学习自然语言处理

AutoAct是一个创新的智能体学习框架，无需大规模标注数据或闭源模型。该框架通过自主规划合成轨迹，并自动分化子智能体群组完成任务。实验结果显示，AutoAct在多种语言模型上的表现与强基线相当或更优。这种方法为智能体学习提供了高效、可复现的新途径。

DriveLM - 自主驾驶图形视觉问答新进展

CVPR 2024DriveLMGithubGraph VQAnuScenes开源项目自主驾驶

DriveLM项目集成nuScenes和CARLA数据集，提出基于VLM的图形视觉问答方法，实现图形VQA和端到端驾驶。作为CVPR 2024自主驾驶挑战的主要赛道，提供了基准、测试数据、提交格式和评估流程，帮助解决数据缺乏和闭环规划问题。了解DriveLM的关键特性、主要优势及最新更新，推动多模态模型在现实应用中的发展。

Awesome-Interaction-Aware-Trajectory-Prediction - 最新交互感知行为与轨迹预测资源

AIBehavior and Trajectory PredictionGithubJiachen Liautoregressivetrajectory datasets开源项目

mask2former-swin-large-ade-semantic - Mask2Former：统一架构实现多类型图像分割

GithubHuggingfaceMask2FormerTransformer图像分割开源项目模型计算机视觉语义分割

Mask2Former-Swin-Large-ADE-Semantic是一款先进的图像分割模型，基于Swin backbone构建并在ADE20k数据集上训练。该模型采用统一架构处理实例、语义和全景分割任务，通过预测掩码和标签集实现多类型分割。其核心优势在于采用改进的多尺度可变形注意力Transformer和掩码注意力Transformer解码器，在性能和效率方面均优于前代MaskFormer模型。Mask2Former适用于广泛的图像分割场景，能够提供精确的分割结果。

REaLTabFormer - 一套用于表格和关系合成数据生成的自回归和 Seq2Seq（序列到序列）转换器模型

GPT-2GithubREaLTabFormerTransformersynthetic datatabular data开源项目

REaLTabFormer使用Seq2Seq模型生成关系数据集，针对非关系数据采用GPT-2模型，直接建模任意独立观察的表格数据。通过生成父表和关系表，利用目标掩码和统计方法避免过拟合。实验结果表明其在捕捉关系结构方面优于基准模型，并在大型非关系数据集上实现了先进的预测效果。REaLTabFormer易于安装和使用，并提供样本验证器以提高生成数据的有效性和准确性。

dreamerv3-torch - DreamerV3算法的PyTorch实现跨领域强化学习新突破

DreamerV3Github世界模型人工智能开源项目强化学习深度学习

dreamerv3-torch是DreamerV3算法的PyTorch实现。该项目提供了详细的安装和使用说明，支持DMC、Atari、Crafter和Minecraft等多种基准测试环境。DreamerV3作为一种可扩展的强化学习算法，能在多个领域中以固定超参数实现优异性能。该实现参考了多个知名强化学习项目，为研究人员和开发者提供了实用的工具。

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

GRID-playground - 通用机器人智能开发平台

AirGenGRIDGithub大语言模型开源项目机器人智能模拟

GRID 是由 Scaled Foundations 构建的平台，旨在通过基础模型和模拟来实现机器人智能的快速原型开发。其核心为 Foundation Mosaic，融合了感知、状态估计、安全和控制的多种基础模型。大语言模型的编排和推理层支持自然交互和复杂机器人任务的解决。GRID 使用 AirGen，一个先进的空中机器人模拟器，用于数据生成和评估。模块化设计使深度机器学习组件和现有基础模型在多种机器人问题中得到应用。

segformer-b4-finetuned-ade-512-512 - 512x512分辨率下SegFormer的高效Transformer语义分割实现

ADE20kGithubHuggingfaceSegFormerTransformer图像处理开源项目模型语义分割

本项目展示了SegFormer模型如何应用在ADE20k数据集上，以512x512分辨率进行微调。该模型采用分层Transformer编码器与轻量级全MLP解码头的设计，并在ImageNet-1k预训练后用于语义分割。其适用于多个基准测试如ADE20K和Cityscapes，为视觉分割提供强大而灵活的工具。用户可以使用该模型进行图像的语义分割，或选择适合特定任务的微调版本。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com