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。

RectifiedFlow - 直线路径优化的快速数据生成与传输技术
GithubRectified Flow图像生成开源项目机器学习深度学习生成模型
RectifiedFlow是一种新型机器学习方法,通过连接样本间的直线路径并学习ODE模型,建立分布间的传输映射。该方法反复优化ODE轨迹,实现高效的一步生成,在保持多样性的同时提高了FID指标。RectifiedFlow在生成建模和无监督域转移方面具有广泛应用前景,为图像生成和数据处理领域提供了新的解决方案。
NeuralFlow - Mistral 7B模型中间层输出可视化工具
GithubMistral 7BNeural Flow中间层输出开源项目微调模型可视化
NeuralFlow是一个Python工具,用于可视化Mistral 7B语言模型的中间层输出。它生成512x256的热图,展示模型每层的输出。该工具可用于分析模型结构和监控fine-tuning过程中的变化。NeuralFlow将4096维张量数据转化为直观的视觉表现,为AI模型开发提供新的分析方法。
MASt3R_ViTLarge_BaseDecoder_512_catmlpdpt_metric - 基于3D的高精度图像匹配技术
3D视觉GithubHuggingfaceMASt3R图像匹配开源项目模型深度学习模型计算机视觉
MASt3R是一款开源的图像到3D匹配模型,采用ViT-Large编码器和ViT-Base解码器架构。它结合了CatMLP和DPT技术,能够处理多种分辨率的图像输入。该模型在GitHub上提供了完整的代码和使用说明,适用于需要高精度3D视觉的研究和应用。MASt3R为计算机视觉领域的研究人员和开发者提供了一个强大的工具,有助于推动3D视觉技术的发展。
Free3D - 基于单视图的一致性多视角图像合成技术
3D生成Free3DGithub单视图重建开源项目新视角合成计算机视觉
Free3D是牛津大学VGG实验室开发的新型计算机视觉技术,可从单一图像生成一致性的多视角合成图,无需显式3D表示。该技术采用射线条件归一化和伪3D注意力机制,在Objaverse等多个数据集上展现优异性能。Free3D为计算机视觉和图形学领域提供了新的研究方向,有望应用于3D重建、虚拟现实等多个领域。
monodepth2 - 基于自监督学习的单目深度估计实现
GithubMonodepth2PyTorch开源项目深度估计自监督学习计算机视觉
本项目提供了PyTorch实现的代码,用于训练和测试深度估计模型。代码采用自监督学习方法,支持单目和立体图像的深度预测。提供多种预训练模型和自定义数据集,兼容不同的图像分辨率。适用于研究和非商业用途,包含详细的设置指南、训练和评估说明。用户可通过此项目高效开发和优化深度估计模型。
Uni3D - 突破性统一3D表示学习框架
3D表示GithubUni3D开源项目点云零样本分类预训练
Uni3D是一个创新的3D预训练框架,致力于大规模3D表示学习。该框架采用2D预训练模型初始化,通过端到端训练实现3D点云与图像-文本特征对齐。Uni3D凭借简洁架构和高效预训练,成功将模型规模扩展至10亿参数,在多项3D任务中取得突破性进展,展现了将2D深度学习优势迁移至3D领域的巨大潜力。
flow-forecast - 开源时间序列深度学习框架,支持最新模型和云端集成
Flow ForecastGithubtransformer开源开源项目时间序列预测深度学习
Flow Forecast 是一个开源时间序列预测深度学习框架,提供最新的Transformer、注意力模型、GRU等技术,并具有易于理解的解释指标、云集成和模型服务功能。该框架是首个支持Transformer模型的时间序列框架,适用于流量预测、分类和异常检测。
MOTSFusion - 将3D多目标跟踪与场景重建融合的创新算法
3D重建GithubKITTI数据集MOTSFusion开源项目目标跟踪计算机视觉
MOTSFusion项目提出了一种创新的多目标跟踪算法,通过融合3D跟踪和场景重建技术来提高准确性。该算法利用立体图像、光流和视差信息,结合分割网络和检测器,实现对车辆和行人的精确跟踪。项目在KITTI MOTS数据集上展现了优异性能,并开源了完整代码。这种方法为自动驾驶等应用中的多目标跟踪提供了新的思路。
Depth-Anything - 大规模无标注数据驱动的强大单目深度估计模型
Depth AnythingGithub人工智能图像处理开源项目深度估计计算机视觉
Depth Anything是一款基于大规模数据训练的单目深度估计模型。它利用150万标注图像和6200万无标注图像进行训练,提供小型、中型和大型三种预训练模型。该模型不仅支持相对深度和度量深度估计,还可用于ControlNet深度控制、场景理解和视频深度可视化等任务。在多个基准数据集上,Depth Anything的性能超越了此前最佳的MiDaS模型,展现出优异的鲁棒性和准确性。
flowframes - 视频插值工具,支持多种AI模型
DAIN NCNNFLAVR PytorchFlowframesGithubRIFE NCNN开源项目视频插帧
Flowframes是一个Windows视频插值工具,兼容RIFE(Pytorch & NCNN)、DAIN(NCNN)和FLAVR(Pytorch)多种AI实现。作为开源捐赠软件,用户可在itch.io免费下载旧版本或通过Patreon获取最新测试版本。无需复杂配置,支持自动下载依赖。配备Nvidia GPU的用户建议使用CUDA实现以优化性能。
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