Project Icon

VoxFormer

基于稀疏体素变换器的相机驱动3D语义场景补全方法

VoxFormer是一种基于Transformer的创新框架,仅通过2D图像即可生成完整的3D语义体素。它采用两阶段设计:先从深度估计生成可见占据体素查询,再通过密集化阶段生成完整3D体素。在SemanticKITTI数据集上,VoxFormer在几何和语义方面分别提升了20.0%和18.1%,同时将训练所需GPU内存减少约45%。这为相机驱动的3D语义场景补全任务提供了一个强有力的基线。

Real3D - 基于真实图像的大规模3D重建模型
3D重建GithubReal3D开源项目深度学习自监督学习计算机视觉
Real3D是一种创新的大规模3D重建模型系统,首次实现了使用单视图真实图像进行训练。该系统采用自训练框架,结合3D/多视图合成数据和单视图真实图像,并引入两种无监督损失函数,实现像素和语义层面的模型监督。在包含真实和合成数据、域内和域外形状的四种评估场景中,Real3D均显著优于现有方法。
DyCo3D - 动态卷积实现鲁棒3D点云实例分割
3D点云实例分割DyCo3dGithub动态卷积开源项目深度学习计算机视觉
DyCo3D提出了一种新型3D点云实例分割方法,采用动态卷积技术处理实例尺度变化问题。该方法结合大范围上下文信息和轻量级Transformer,在ScanNetV2和S3DIS数据集上取得领先结果,推理速度提升25%以上。DyCo3D简化了传统bottom-up方法的复杂流程,对超参数不敏感,为3D点云实例分割领域提供了高效且鲁棒的新方案。
segformer-b0-finetuned-ade-512-512 - SegFormer-b0模型实现高效语义分割
GithubHuggingfaceSegFormer图像处理开源项目模型深度学习计算机视觉语义分割
SegFormer-b0是一个在ADE20k数据集上微调的语义分割模型,采用512x512分辨率。其特点是结合了层次化Transformer编码器和轻量级MLP解码头,在语义分割任务中表现优异。模型经过ImageNet-1k预训练后,添加解码头并在特定数据集上微调。研究者可直接应用于语义分割,或根据需求选择针对性微调的版本。
bevfusion - 具有统一鸟瞰图表示的多任务多传感器融合
3D目标检测BEVFusionGithub多传感器融合开源项目自主驾驶鸟瞰图表示
BEVFusion是一个有效的多任务多传感器融合框架,通过在共享的鸟瞰视角表示空间中统一多模态特征,解决了传统点级融合方法的局限性。其优化的视角转换和显著降迟特性使其在各种3D感知任务中表现出色。该框架在提升3D物体检测和BEV图分割性能的同时,大幅降低计算成本,树立了新行业标杆。
segformer-b1-finetuned-ade-512-512 - SegFormer-b1在ADE20k数据集上微调的语义分割模型
GithubHuggingfaceSegFormerTransformer图像处理开源项目模型深度学习语义分割
SegFormer-b1是一种针对语义分割任务的深度学习模型,在ADE20k数据集上进行了微调。该模型结合了层次化Transformer编码器和轻量级MLP解码头,在512x512分辨率下展现出优秀的分割效果。模型经过ImageNet-1k预训练后,通过添加解码头并在特定数据集上微调,可直接应用于语义分割或作为其他相关任务的基础。
sewformer - 从单一图像重建服装缝纫模式的创新方法
GithubSIGGRAPH AsiaSewformer单图像重建开源项目服装缝纫模式重建深度学习
Sewformer项目开发了一种从单张图像重建服装缝纫模式的方法。通过深度学习技术,实现2D服装图像到3D缝纫模式的转换。这一技术为服装设计、制造、虚拟试衣和个性化定制带来新的可能。项目开源了代码、预训练模型和数据集,方便研究者进行进一步探索和应用。
Director3D - 将文本转化为真实世界相机轨迹和3D场景的AI项目
3D场景生成3D高斯溅射Director3DGithub开源项目文本生成相机轨迹
Director3D是一个基于文本生成真实世界相机轨迹和3D场景的AI项目。它结合了轨迹扩散模型、3DGS驱动的多视角潜在扩散模型和SDS++优化技术,能在20秒内生成粗略3D高斯溅射,5分钟内完成精细化。项目开源了代码和预训练模型,并提供了在线演示,为3D内容创作和计算机视觉研究提供了新的可能性。
RestoreFormer - 盲脸修复的跨域注意力模型
GithubRestoreFormer++人脸修复开源项目深度学习盲恢复高质量
RestoreFormer利用多头交叉注意力层实现高质量盲脸修复,其特点是从高质量字典中提取关键-值对用于面部重建。2023年9月项目添加了在线演示和更用户友好的推理方法,2023年1月新增了测试数据集。源代码和资源在GitHub提供,并包含详细的数据集准备和模型训练指南,支持多种评估指标。
VoxPoser - 使用语言模型的3D机器人操作轨迹合成系统
3D价值地图GithubVoxPoser开源项目机器人操作语言模型轨迹合成
VoxPoser是一个3D机器人操作轨迹合成系统,结合大型语言模型和视觉语言模型实现零样本任务执行。该项目在RLBench环境中实现,无需训练数据即可生成复杂操作轨迹。系统通过语言模型程序(LMPs)递归生成代码,分解指令并为子任务组合价值图。VoxPoser包含接口、规划器和控制器等核心组件,用于规划和执行机器人操作任务。
mit-b0 - 轻量级视觉Transformer用于语义分割
GithubHuggingfaceSegFormerTransformer图像处理开源项目模型深度学习语义分割
mit-b0是SegFormer系列中的轻量级模型,采用分层Transformer编码器架构,在ImageNet-1k数据集上预训练。这个模型专为语义分割任务设计,结合了Transformer的特征提取能力和轻量级MLP解码头。mit-b0在ADE20K等基准测试中表现出色,为研究人员提供了一个可靠的预训练基础,可在特定数据集上进行进一步微调和优化。
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