Project Icon

1d-tokenizer

创新1D图像分词框架实现高效图像处理

1d-tokenizer项目开发了创新的1D图像分词框架,将256×256图像压缩至32个离散标记。该技术突破2D分词限制,提供更灵活紧凑的图像表示。相比扩散模型,生成速度提升数百倍,同时维持高质量输出。研究还深入探讨1D图像分词特性,为图像处理领域开辟新方向。

LViT - 结合语言和视觉Transformer的医学图像分割技术
GithubLViTVision Transformer医学图像分割开源项目数据集深度学习
LViT是一种创新的医学图像分割方法,融合了语言信息和视觉Transformer。该技术在QaTa-COV19、MosMedData+和MoNuSeg等多个数据集上展现出优异性能,大幅提升了分割精度。项目包含完整代码实现、数据准备指南、训练评估流程及详细实验结果。除常规任务外,LViT在结肠息肉和食管CT等特定领域分割中也表现出色。
Long-CLIP - CLIP模型长文本处理能力升级 显著提升图像检索效果
AI模型CLIPGithubLong-CLIP开源项目文本-图像检索零样本分类
Long-CLIP项目将CLIP模型的最大输入长度从77扩展到248,大幅提升了长文本图像检索性能。在长标题文本-图像检索任务中,R@5指标提高20%;传统文本-图像检索提升6%。这一改进可直接应用于需要长文本处理能力的各类任务,为图像检索和生成领域带来显著进展。
FasterTransformer - 基于NVIDIA平台的高性能Transformer编解码器实现与调优
BERTFasterTransformerGPTGithubNVIDIATensorRT-LLM开源项目
FasterTransformer不仅支持多框架集成,还针对NVIDIA新一代GPU优化了编解码性能,极大提升了操作效率和处理速度。包含模型支持、性能对比及API演示的详细文档,有助于用户深入了解并有效使用FasterTransformer。
ml-mdm - 开源框架实现高分辨率文本到图像生成模型
GithubMatryoshka Diffusion Models开源项目文本到图像生成深度学习神经网络模型高分辨率图像合成
ml_mdm是一个Python开源项目,实现了Matryoshka扩散模型技术用于文本到图像生成。该框架支持训练单个像素空间模型生成高达1024x1024分辨率的图像,开源了U-Net和嵌套U-Net的实现。项目提供预训练模型、Web演示和CC12M数据集上的训练教程,为高分辨率图像和视频合成提供完整解决方案。
DLTA-AI - AI赋能的数据标注、追踪和注释工具
DLTA-AIGithub分割模型开源项目数据标注机器学习目标跟踪
一款集成先进计算机视觉模型的工具,简化图像数据集创建,支持零样本分割和目标跟踪,提供多种模型选择与自定义导出格式,无缝结合Labelme,提升标注效率。
Chinese-CLIP - 中文多模态嵌入和检索性能优化的领先方案
Chinese-CLIPGithub图文特征提取开源项目模型下载跨模态检索零样本图像分类
Chinese-CLIP项目,基于大规模中文图文对数据,专门针对中文领域的特点进行优化,提供高效的图文特征计算与相似度测算,实现零样本分类和跨模态检索。该项目改进了多个模型,包括ViT与ResNet结构,并在多个公开数据集上展示了显著的性能提升,为中文处理场景下的企业和研究者提供强大工具。
UDiffText - 基于字符级扩散模型的高质量图像文本合成框架
GithubUDiffText图像生成字符级编码开源项目扩散模型文本合成
UDiffText是一个基于字符级扩散模型的文本合成框架,能在任意图像中生成高质量文本。该框架适用于合成和真实图像,可进行场景文本编辑、任意文本生成和精确的文本到图像生成。项目包含完整的训练和评估流程,支持LAION-OCR、ICDAR13等多个数据集。UDiffText为文本合成和图像处理领域提供了新的解决方案。
distrifuser - 高效分布式并行推理助力高分辨率图像生成
DistriFusionGPU加速Githubdiffusion模型并行推理开源项目高分辨率
DistriFusion是一种用于高分辨率扩散模型的分布式并行推理算法。该方法无需额外训练,通过多GPU协同工作加速推理过程,同时保持图像质量。其创新的补丁交互技术解决了传统方法的碎片化问题,在高分辨率图像生成任务中显著提升了性能。该项目已在CVPR 2024被评为亮点工作,并开源了相关代码。
fastcomposer - 无微调的高效多主体图像生成技术
AI绘图FastComposerGithub多主体生成开源项目无需微调注意力定位
FastComposer是一种创新的多主体图像生成技术,无需微调即可实现高效、个性化的文本到图像转换。该技术通过主体嵌入和注意力定位监督解决身份混淆问题,同时保持图像的身份特征和可编辑性。与传统微调方法相比,FastComposer在速度上实现了300-2500倍的提升,且无需为新主体增加额外存储。这一技术为高质量多主体图像创作提供了新的可能性。
semantic-chunkers - 智能多模态分块库 提高AI数据处理效率和准确性
AI数据处理GithubSemantic Chunkers多模态分块开源项目智能分块视频处理
Semantic Chunkers是一个开源的多模态分块库,专注于对文本、视频和音频进行智能分块。通过语义分析,这个Python库提高了AI和数据处理的效率与准确性。它提供视频分块等功能,并得到活跃社区的支持和持续更新。对于处理大量多媒体数据的AI开发者和研究人员而言,Semantic Chunkers提供了强大的数据处理能力。
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