Project Icon

MogaNet

多阶门控聚合网络在计算机视觉领域的创新应用

MogaNet是一种创新的卷积神经网络架构,采用多阶门控聚合机制实现高效的上下文信息挖掘。这一设计在保持较低计算复杂度的同时,显著提升了模型性能。MogaNet在图像分类、目标检测、语义分割等多项计算机视觉任务中展现出优异的可扩展性和效率,达到了与当前最先进模型相当的水平。该项目开源了PyTorch实现代码和预训练模型,便于研究者进行进一步探索和应用。

mmaction2 - 开源视频理解工具箱MMAction2基于PyTorch实现
GithubMMAction2OpenMMLab开源项目模型库行动识别视频理解
MMAction2为基于PyTorch的开源视频理解工具箱,涵盖动作识别、动作定位、时空动作检测等多种任务。项目特点包括模块化设计、丰富的模型库以及详尽文档,支持灵活的自定义配置。
MambaVision-T-1K - 提高视觉模型长距离空间依赖的处理能力
GithubHuggingfaceMambaVision变换器图像分类开源项目模型特征提取计算机视觉
MambaVision是一个混合视觉模型,将Mamba与Transformer的优点结合,重新设计后的Mamba通过引入自注意力机制有效捕获长距离空间依赖。该模型在Top-1准确率和吞吐量上表现突出,创造了新的性能标准。用户可以通过简单的安装和代码导入来使用其图像分类和特征提取功能,满足多样化的应用需求,同时提供阶段性和平均池化特征输出。
Multimodal-AND-Large-Language-Models - 多模态与大语言模型前沿研究综述
Github人工智能多模态大语言模型开源项目机器学习视觉语言模型
本项目汇总了多模态和大语言模型领域的最新研究进展,涵盖结构化知识提取、事件抽取、场景图生成和属性识别等核心技术。同时探讨了视觉语言模型在推理、组合性和开放词汇等方面的前沿问题。项目还收录了大量相关综述和立场文章,为研究人员提供全面的领域概览和未来方向参考。
mmsegmentation - 高效的PyTorch语义分割工具箱与新特性介绍
GithubMMSegmentationOpenMMLabPyTorchv1.0.0开源项目语义分割
MMSegmentation是基于PyTorch的开源语义分割框架,提供模块化设计和统一基准,支持多种算法。最新v1.2.0版本新增开放词汇语义分割和单目深度估计功能,提升训练效率和快速部署体验。
mmf - 多模态视觉与语言研究平台
Facebook AI研究GithubMMFPyTorch多模态研究开源项目热门视觉与语言
MMF是Facebook AI Research开发的用于视觉与语言多模态研究的模块化框架,支持PyTorch,提供分布式训练功能。该框架包括最新的视觉和语言模型实现,并已支持多项Facebook AI研究项目。MMF也是各类视觉和语言数据集挑战赛(如Hateful Memes、TextVQA、TextCaps和VQA挑战赛)的首选代码基础。
control_v11p_sd15_mlsd - 条件控制的优化:提升大规模Diffusion模型的定制化能力
ControlNetGithubHuggingfaceStable Diffusion图像调控开源项目扩散模型文本到图像生成模型
ControlNet v1.1通过引入额外的输入条件,实现对大型Diffusion模型的精细化控制。该模型在小数据集环境下也能高效学习,并支持在个人设备上进行快速训练。借助ControlNet,Stable Diffusion等模型能够采用如边缘图、分割图和关键点等条件输入,增强控制能力,推动相关应用的发展。
control_v11p_sd15_seg - 利用图像分割提高Stable Diffusion模型的控制策略
ControlNetGithubHuggingface人工智能图像分割图像生成开源项目扩散模型模型
ControlNet最新版本利用图像分割为预训练的扩散模型提供条件控制,具备在小数据集上进行端到端任务学习的能力,具有强大的鲁棒性。结合Stable Diffusion v1.5,该模型通过分割图提供附加条件,丰富控制方法。可在个人设备和大型计算集群上处理不同规模的数据,提升训练效率。
YOLOMagic - 增强YOLOv5视觉任务框架功能与用户体验
GithubYOLOv5图像推理开源项目注意力机制网络模块视觉任务
YOLO Magic🚀 是一个基于YOLOv5的扩展项目,为视觉任务提供更强大的功能和简化的操作。该项目引入了多种网络模块,如空间金字塔模块、特征融合结构和新型骨干网络,并支持多种注意力机制。通过直观的网页界面,无需复杂的命令行操作即可轻松进行图像和视频推理。无论是初学者还是专业人员,YOLO Magic🚀都能提供出色的性能、强大的定制能力和广泛的社区支持。
Efficient-AI-Backbones - 领先的人工智能模型与技术 - Huawei Noah's Ark Lab 研发
AI模型GithubNeurIPSTransformer华为开源项目机器学习热门
Efficient-AI-Backbones 项目涵盖了由华为诺亚方舟实验室研发的一系列先进的人工智能模型,包括 GhostNet, TNT, AugViT, WaveMLP, 和 ViG 等。这些模型通过创新的结构设计和优化,有效提升了计算效率和性能,广泛应用于各种智能处理任务。最新发布的 ParameterNet 在 CVPR 2024 会议上被接受,展现了华为在人工智能技术领域的持续领先。
mahalanobis_3d_multi_object_tracking - 在NuScenes Tracking Challenge中荣获冠军,提升了自主驾驶3D多目标追踪的准确率
AB3DMOTAutonomous DrivingGithubNuScenes Tracking ChallengeProbabilistic TrackingStanford University开源项目
该项目提出了一种在线3D多目标追踪方法,在NeurIPS 2019 AI Driving Olympics Workshop上荣获NuScenes Tracking Challenge冠军。与AB3DMOT方法相比,显著提高了较小目标如行人的追踪精度。项目提供了详尽的技术报告与源码,以及详细的运行步骤,便于他人复现结果。使用MEGVII的检测结果,该方法在多目标追踪准确率(AMOTA)上表现出色,特别是对行人和小型目标的追踪效果尤为明显。
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