Project Icon

unimatch

视觉流、立体匹配和深度估计的统一解决方案

该项目实现了统一的视觉流、立体匹配和深度估计模型,并在Sintel、Middlebury和Argoverse基准测试中取得了优异成绩。项目支持通过conda和pip安装,并提供预训练模型和示例脚本,可生成光流、视差和深度的预测结果。详细的训练、评估和数据集使用指南,使其适合研究人员和工程师进行深入研究和应用。

stable-zero123-diffusers - 将单一图像智能转换为精确三维模型的AI技术
GithubHuggingfaceZero-1-to-3人工智能内容审核图像生成开源项目模型模型安全
这是一个基于Stable Diffusion技术的开源项目,通过AI将2D图像自动转换为3D模型。项目采用Objaverse数据集训练,主要应用于研究领域,可用于艺术创作、教育和产品设计。该技术虽在文字渲染和人像生成方面存在限制,但为计算机视觉领域带来突破性进展。
Awesome_Matching_Pretraining_Transfering - 多模态模型、参数高效微调及视觉语言预训练研究进展汇总
Github参数高效微调图像文本匹配多模态模型大型模型开源项目视觉语言预训练
该项目汇总了多模态模型、参数高效微调、视觉语言预训练和图像-文本匹配领域的研究进展。内容涵盖大语言模型、视频多模态模型等多个方向,定期更新最新论文和资源。项目为相关领域的研究人员和开发者提供了系统的学习参考。
marigold-depth-lcm-v1-0 - 基于扩散技术的单目深度估计模型实现零样本迁移
GithubHuggingfaceMarigold单目深度估计图像生成开源项目扩散模型模型深度估计
Marigold-depth-lcm-v1-0是一个创新的单目深度估计模型,基于扩散技术开发。该模型利用Stable Diffusion的视觉知识,通过合成数据微调,实现了对未见数据的零样本迁移能力。在单目深度估计任务中,Marigold展现出优异性能,为计算机视觉领域提供了新的深度估计解决方案。这一成果不仅推动了单目深度估计技术的发展,还展示了扩散模型在此领域的巨大潜力。
FLAVR - 创新视频帧插值方法实现快速多帧预测
FLAVRGithub帧率提升开源项目深度学习视频插帧计算机视觉
FLAVR是一种新型视频帧插值方法,无需光流估计即可实现快速多帧预测。该方法采用特殊的编码器-解码器架构,结合时空卷积和通道门控,能有效捕捉复杂运动轨迹并生成高质量高帧率视频。相比现有技术,FLAVR在速度和准确性间取得更好平衡,为视频慢动作和帧率提升等应用提供新选择。
contrastive-unpaired-translation - 基于对比学习的无监督图像转换
Contrastive Unpaired TranslationCycleGANGithubPyTorch图像到图像转换对比学习开源项目
CUT项目提供了一种基于PyTorch的无监督图像间转换方法,采用局部对比学习和对抗学习技术。该方法较CycleGAN具备更快的训练速度和更低的内存占用,并且无需手工设计损失函数和反向网络,适合单图像训练。支持Linux或macOS系统及Python 3环境,适合在NVIDIA GPU上运行,整个训练和测试流程简单易操作。该项目由UC Berkeley和Adobe Research团队开发,并在ECCV 2020会议中展示。
FLAME-Universe - FLAME 3D头部模型的开源资源库
3D头部模型FLAMEGithub人脸重建开源资源开源项目表情动画
FLAME-Universe汇集了FLAME 3D头部模型相关的代码仓库、数据集和研究论文。项目涵盖3D人脸重建、表情合成和说话头像生成等领域,为计算机视觉和图形学研究提供丰富资源。这个开源资源库助力FLAME模型在学术和工业界的广泛应用。
marigold-depth-v1-0 - 基于扩散模型的单目深度估计新方法
GithubHuggingfaceMarigold单目深度估计图像生成器开源项目扩散模型模型零样本迁移
Marigold是一种新型单目深度估计模型,利用Stable Diffusion等现代生成图像模型中的视觉知识。该模型通过合成数据微调,实现了对未知数据的零样本迁移,在单目深度估计任务中达到了领先水平。Marigold不仅展示了扩散模型在计算机视觉领域的应用潜力,还为深度估计技术的研究提供了有力工具。
dpt-hybrid-midas - 基于Vision Transformer的单目深度估计模型
DPT-HybridGithubHuggingfaceVision Transformer单目深度估计开源项目模型深度估计计算机视觉
DPT-Hybrid-MiDaS是一款基于Vision Transformer的单目深度估计模型。该模型在140万张图像上训练,利用ViT-hybrid作为主干网络,支持零样本深度估计。在多个数据集上,DPT-Hybrid-MiDaS展现出优于传统方法的性能。这一开源模型为计算机视觉领域的研究人员和开发者提供了有力工具,可用于进一步的微调和应用开发。
unet.cu - UNet扩散模型的高性能CUDA实现
CUDAGithubUNet卷积神经网络图像生成开源项目深度学习
这个开源项目使用纯C++/CUDA实现了UNet扩散模型训练框架,支持无条件扩散。框架包含线性层、组归一化、注意力等核心算子的GPU加速实现,重点优化3x3卷积。通过多次迭代提升CUDA kernel性能,训练速度达PyTorch的40%。项目展示了深度学习框架在GPU上的高效实现过程,为相关开发提供参考。
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