Project Icon

evf-sam2

EVF-SAM优化文本引导的Segment Anything Model性能

EVF-SAM项目利用早期视觉语言融合技术,提高了文本引导的Segment Anything Model性能。该开源项目为图像和视频分割任务提供解决方案,支持文本提示输入。用户可在GitHub获取源代码,通过inference.py和inference_video.py文件了解使用方法。目前需从源代码导入模型脚本,尚不支持AutoModel.from_pretrained(...)功能。

segment-geospatial - 用于地理空间数据分割的Python工具包
GeoTIFFGithubPythonsegment-geospatial分割模型开源项目遥感
segment-geospatial是一个基于Segment Anything Model (SAM) 用于地理空间数据分割的Python包,旨在通过最少的编码简化数据分析流程。它支持从Tile Map Service (TMS)服务器下载地图瓦片并创建GeoTIFF文件,使用SAM和HQ-SAM分割GeoTIFF文件,创建交互式标记,保存分割结果为常见矢量格式并在交互地图上显示。segment-geospatial提供丰富的示例和教程,方便用户使用,并在PyPI和conda-forge上可用,适用于各种计算环境。
tokenize-anything - 基于视觉提示的多功能区域分割识别和描述模型
AI分割识别GithubTAP多任务处理开源项目灵活提示视觉语言模型
Tokenize Anything via Prompting是一个多功能视觉模型,可通过点、框和草图等视觉提示对图像中的任意区域进行分割、识别和描述。该模型利用SA-1B数据集和预训练的EVA-CLIP模型进行训练,具备强大的语义理解能力。其模块化设计支持多样化的视觉语言任务,可自定义预测器和异步处理流程,适用于各种应用场景。
sammo - 大型语言模型提示词运行和优化库
GithubSAMMO大语言模型并行处理开源项目提示工程数据标注
SAMMO是一个用于运行和优化大型语言模型提示词的开源库。该项目支持数据标注、提示词设计、指令优化、提示词压缩和大规模执行等功能。SAMMO提供并行化和速率限制能力,可进行大规模查询而不会过载API。这个库适合需要高效处理和优化LLM提示词的多种应用场景。
MobileCLIP-S2-OpenCLIP - 高效图像-文本模型通过多模态强化训练实现性能突破
GithubHuggingfaceMobileCLIPOpenCLIP图像文本模型多模态强化训练开源项目模型零样本图像分类
MobileCLIP-S2-OpenCLIP是一款基于多模态强化训练的高效图像-文本模型。相比SigLIP的ViT-B/16模型,它在性能上有所超越,同时速度提升2.3倍,模型体积缩小2.1倍,且仅使用了1/3的训练样本。在ImageNet零样本分类任务中,该模型达到74.4%的Top-1准确率,在38个数据集上的平均性能为63.7%,体现了出色的效率与性能平衡。
grounded-segment-anything-colab - 图像分割与编辑工具 支持多种inpainting模型
AI视觉ColabGithubGrounded-Segment-Anythinginpainting图像分割开源项目
grounded-segment-anything-colab是一个基于IDEA-Research项目的图像处理工具,集成了图像分割和编辑功能。该工具支持多种inpainting模型,包括runwayml/stable-diffusion-inpainting和自定义16位模型。项目提供Colab教程,方便用户进行图像分割和编辑操作。此工具为图像处理提供了灵活高效的解决方案。
seggpt-vit-large - 基于上下文的单次图像分割解决方案
GithubHuggingfaceSegGPTTransformer图像分割开源项目模型生成模型语义分割
SegGPT项目采用了类似GPT的Transformer模型,它可以在提供输入图像和提示的情况下生成分割掩码,并在COCO-20和FSS-1000数据集上实现了优异的单次图像分割效果。此模型适合用于需要高精度和上下文整合的图像分割应用场景。
VideoLLaMA2 - 增强视频理解的多模态语言模型
AIGithubVideoLLaMA2多模态大语言模型开源项目视频理解
VideoLLaMA2是一款先进的视频语言模型,通过增强空间-时间建模和音频理解能力,提高了视频问答和描述任务的性能。该模型在零样本视频问答等多项基准测试中表现出色。VideoLLaMA2能处理长视频序列并理解复杂视听内容,为视频理解技术带来新进展。
Awesome-Open-Vocabulary-Semantic-Segmentation - 开放词汇语义分割研究成果汇总
CLIPGithub开放词汇开源项目深度学习计算机视觉语义分割
这是一个汇总开放词汇语义分割领域研究成果的项目。内容涵盖全监督、弱监督和无需训练等多种方法,同时收录零样本语义分割、指代图像分割和开放词汇目标检测等相关任务的论文。项目旨在为研究者提供该领域的最新进展概览。
VLM2Vec-Full - 视觉语言模型VLM2Vec的多模态嵌入训练方法
GithubHuggingfaceTIGER-LabVLM2Vec多模态嵌入对比学习开源项目模型视觉语言模型
VLM2Vec在Phi-3.5-V模型中引入EOS标记,实现跨多模态输入的统一嵌入表达,高效结合文本与图像。通过对比学习在MMEB-train数据集上训练,并在36个数据集上进行评估,Lora训练方式表现最佳。项目提供模型检查点及完整训练记录,供用户在GitHub仓库克隆下载,通过代码实现文本与图像的嵌入和相似度计算,助力模型运用。
mask2former-swin-large-ade-panoptic - 通用图像分割模型,提升性能和效率
ADE20kGithubHuggingfaceMask2FormerMaskFormer分割开源项目模型视觉
Mask2Former利用多尺度可变形注意力Transformer,提高图像分割性能与效率。其掩蔽注意力解码器在不增加计算负担的情况下提升表现,适用于实例、语义和全景分割。基于ADE20k全景分割数据集的训练研究,提供优化的分割方案。
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

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。

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