Project Icon

ivis

基于神经网络的高维数据降维和可视化算法

ivis是一种基于暹罗神经网络的数据降维算法,专门用于处理高维数据集。该算法支持无监督和有监督学习,能够有效保持数据的局部和全局结构。ivis适用于大规模数据集,支持多种数据格式,包括numpy数组、稀疏矩阵和hdf5文件。它在聚类、异常检测等任务中表现出色,为数据分析提供了强大的可视化工具。ivis算法采用基于三元组的神经网络结构,能够高效处理百万级数据点和上千维特征,在保持数据结构方面常常优于t-SNE等传统方法。支持新数据点的转换,可以轻松集成到sklearn管道中,在高维数据可视化、聚类分析和异常检测等领域具有广泛应用前景。

APISR - 动漫超分辨率技术提升图像视频质量
APISRGithub动漫超分辨率图像增强开源项目深度学习计算机视觉
APISR是一个开源的动漫超分辨率项目,专注于恢复和增强现实世界中低质量的动漫图像和视频。该技术融合了动漫制作流程的特点,能有效处理各种复杂的图像退化情况。项目提供预训练模型、在线演示和训练流程,支持单张图像和视频的超分辨率处理。APISR在真实动漫内容质量提升方面表现出色,为研究者和开发者提供了实用的工具。
LVM - 大规模视觉模型的创新顺序建模方法
GithubLVM大规模视觉模型序列建模开源项目视觉句子视觉预训练模型
LVM是一种创新视觉预训练模型,将多种视觉数据转化为视觉句子,并进行自回归式标记预测。该模型采用顺序建模方法,无需语言数据即可学习大规模视觉模型。通过设计视觉提示,LVM可解决多种视觉任务。兼容GPU和TPU,为大规模视觉模型学习提供新方法。
MIVisionX - AMD开源计算机视觉和机器智能开发工具包
AMDGithubMIVisionXOpenVX开源项目机器学习计算机视觉
MIVisionX是一套开源的计算机视觉和机器智能开发工具包。它包含优化的OpenVX实现、神经网络模型编译器和多种实用工具。支持ONNX和NNEF格式,可在嵌入式设备到高性能服务器等多种硬件平台上部署计算机视觉和机器学习应用。
iris - 基于Transformer的高效样本世界模型
GithubIRISTransformer世界模型开源项目强化学习自动编码器
IRIS是一种基于Transformer的世界模型,通过离散自编码器和自回归Transformer将动态学习转化为序列建模问题。该模型在世界模型中训练数百万个想象轨迹,实现了高效的数据利用。IRIS仅需两小时实时经验就能在多个Atari游戏中表现出色,展现了优秀的样本效率和泛化能力。
LLaVA - 提升大型语言与视觉模型的视觉指令调优
GPT-4GithubLLaVA多模态交互大型语言与视觉模型开源项目视觉指令调优
LLaVA项目通过视觉指令调优提升大型语言与视觉模型的性能,达到了GPT-4级别。最新更新包括增强版LLaVA-NeXT模型及其在视频任务上的迁移能力,以及高效的LMMs-Eval评估管道。这些更新提升了模型的多任务和像素处理能力,支持LLama-3和Qwen等不同规模的模型,并提供丰富的示例代码、模型库和数据集,方便用户快速上手和深度研究。
ViViD - 视频虚拟试衣技术运用扩散模型实现逼真效果
GithubViViD开源项目扩散模型数据集深度学习视频虚拟试穿
ViViD是一个基于扩散模型的视频虚拟试衣开源项目。该技术能将静态服装图片自然融入动态视频,实现逼真的虚拟试衣效果。项目提供完整代码、预训练模型和数据集,便于研究和开发。ViViD在计算机视觉和AI领域展现潜力,为时尚电商和虚拟现实等行业提供新的应用可能。
fMRI-reconstruction-NSD - MindEye 从fMRI数据重建和检索视觉信息
GithubMindEyefMRI重建图像生成开源项目脑活动自然场景数据集
MindEye项目将fMRI数据转化为图像重建和检索结果。该项目结合对比学习和扩散先验模型,实现大脑活动到视觉信息的映射。MindEye能重建观看的图像,并从LAION数据库中检索相似图像。项目提供代码、预训练模型和使用说明,支持认知神经科学和人工智能的交叉研究。
One-2-3-45 - 2D扩散模型在3D AIGC中的创新应用
3D建模GithubHuggingFaceNeurIPS 2023One-2-3-45开源项目深度学习
One-2-3-45项目创新性地提出了一种2D扩散模型在3D AIGC中的正向操作方法,无需耗时的优化过程。项目提供详细的安装说明和多种演示方式,包括在线互动演示和完整的配置指南。通过整合Hugging Face的Gradio API,用户可以方便地进行图像预处理和3D网格重建。该项目已被NeurIPS 2023接受,并提供了详细的训练代码和数据集,促进单图像到3D模型的快速生成。
Llama-3.2-11B-Vision-Instruct-nf4 - 量化视觉语言模型实现高效图像分析与理解
GithubHuggingfaceLlama-3.2图像识别开源项目模型模型部署神经网络量化视觉AI模型
Llama-3.2-11B-Vision-Instruct-nf4是一个基于meta-llama/Llama-3.2-11B-Vision-Instruct的量化视觉语言模型,采用BitsAndBytes的NF4(4位)量化技术,无需双重量化即可实现高效推理。该模型主要用于图像字幕生成等视觉分析任务,并提供详细的使用示例代码。项目还包含配套的ComfyUI自定义节点,为开发者提供了便捷的视觉分析工具集成方案。
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