StableNormal

提高单目法线估计稳定性的创新方法

StableNormal 法向估计扩散模型计算机视觉深度学习 Github 开源项目

StableNormal是一个针对单目法线估计的开源项目,通过定制扩散先验模型来提高估计的稳定性。该方法减少了扩散模型的随机性,实现了稳定且清晰的法线估计。StableNormal在多个基准测试中表现优异,并能改进多种实际应用,为计算机视觉和3D重建领域提供了新的解决方案。

dreamscene4d - 从单目视频生成动态多目标3D场景的突破性技术

3D场景生成DreamScene4DGithub多目标跟踪开源项目视频处理计算机视觉

DreamScene4D是一种从单目视频生成动态多目标3D场景的开源技术。它采用3D高斯和形变优化方法，能处理不同长度的视频和多个目标。项目提供自动化和分阶段优化脚本，支持处理有遮挡和无遮挡的视频。DreamScene4D在复杂场景和长视频序列处理方面表现优异，为计算机视觉和图形学研究提供了新思路。

sd-vae-ft-ema - 稳定扩散变分自编码器的增强版模型

GithubHuggingfaceStable Diffusion图像重建开源项目扩散模型机器学习模型自动编码器

sd-vae-ft-ema是一个基于LAION-Aesthetics和LAION-Humans数据集训练的稳定扩散变分自编码器。该模型在图像重建质量尤其是人脸细节方面优于原始VAE，具有更好的rFID、PSNR和SSIM指标表现，可作为扩散器工作流中的即插即用组件。

gmflow - 利用全球匹配提高光流估计的准确性与效率

GMFlowGithub光流估计全局匹配开源项目高效率高精度

GMFlow将光流重新定义为全球匹配问题，简化了光流估计流程。它提供灵活的模块化设计，可以轻松构建定制模型，并在高端GPU上显著加速。该项目在Sintel基准测试中表现出高准确性和效率，预训练模型适用于FlyingChairs、FlyingThings3D和KITTI等数据集。新更新扩展了GMFlow至立体和深度任务，并提供更多速度和准确性的选择。

stable-diffusion-2-1 - 高分辨率AI文本生成图像模型，支持多样化创作

GithubHuggingfaceStable Diffusion人工智能开源项目文本生成图像机器学习模型深度学习

Stable Diffusion v2-1是Stability AI开发的文本到图像生成AI模型。基于潜在扩散技术，它能将文本描述转化为最高768x768分辨率的高质量图像。该模型提供多个专用变体，包括深度感知和图像修复等。主要应用于艺术创作、设计和研究领域，但存在一些局限性，如无法生成可读文本。Stable Diffusion v2-1仅供研究用途，不应用于生成有害或违法内容。

axodox-machinelearning - 基于C++的Stable Diffusion图像生成库，支持ControlNet

C++ControlNetGithubONNXStable Diffusion图像合成开源项目

该库是一款基于Stable Diffusion的图像生成工具，支持txt2img、img2img和图像修复功能，完全采用C++实现，无需依赖Python。其高性能和简化的部署过程非常适用于实时图形应用和游戏开发。库还支持ControlNet，通过输入图像来引导生成过程，并提供GPU加速的特征提取功能，如姿势估计、深度估计和边缘检测。此外，库包含多个代码示例和预编译模型，便于开发者快速集成和测试。

CenterSnap - 单镜头多物体3D重建与姿态估计技术

3D重建6D姿态估计CenterSnapGithub多物体检测开源项目计算机视觉

CenterSnap是一个开源的深度学习项目,致力于单镜头多物体3D重建和姿态估计。该技术能在单次拍摄中同时完成多个物体的3D形状重建、6D姿态和尺寸估计。项目提供了完整的训练和推理代码,以及预处理数据集,方便研究人员复现结果和开展进一步研究。CenterSnap在机器人抓取和场景理解等领域有潜在应用价值。

Era3D - 基于高效行注意力的高分辨率多视图扩散模型

3D重建AI生成Era3DGithub多视图扩散开源项目高分辨率

Era3D是一个高分辨率多视图扩散模型，采用高效行注意力机制生成3D内容。该模型可从单张图像创建多视角数字人像，包括色彩和法线图像。项目开源了实现代码、预训练权重，并提供在线演示。Era3D在保持输出质量的同时提高了计算效率，为3D内容创作和计算机视觉研究提供了实用工具。

Infusion - 基于扩散先验的3D高斯体场景修复技术

3D GaussiansGithub图像修复开源项目扩散模型深度补全神经渲染

InFusion项目提出了一种创新的3D场景修复方法，通过学习扩散先验的深度完成来修复3D高斯体。该技术实现了对不完整3D场景的高质量修复，能够处理复杂的遮挡情况。InFusion为3D重建和虚拟现实等领域提供了新的解决方案，项目开源了推理代码和预训练模型，为相关研究和开发提供了重要资源。

StableCascade - 基于高压缩潜在空间的快速文本到图像生成模型

AI绘图GithubStable Cascade图像生成开源项目潜在空间高效模型

Stable Cascade是一种新型文本到图像生成模型，采用高度压缩的潜在空间技术。它由三个阶段组成，可将1024x1024图像压缩至24x24尺寸，同时保持清晰重建效果。与Stable Diffusion相比，该模型实现了更快的推理速度和更低的训练成本。Stable Cascade在提示对齐和图像质量方面表现优异，并支持微调、ControlNet和LoRA等多种扩展功能，适用于对效率要求较高的应用场景。

objectsdf_plus - 物体组合式神经隐式表面重建技术的进阶版本

3D重建GithubObjectSDF++开源项目深度学习神经隐式表面计算机视觉

ObjectSDF++是物体组合式神经隐式表面重建技术的改进版本。该技术通过引入遮挡感知的不透明度渲染公式和物体区分正则化项，提高了实例掩码监督的利用效率，从而在场景和物体层面实现更精确的表面重建。项目提供了适用于Replica和ScanNet数据集的训练和评估代码，为3D场景理解和重建研究提供了新的工具。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com