SMPLer-X

基于ViT的高效人体3D重建框架

SMPLer-X 人体姿态估计 3D人体重建计算机视觉深度学习 Github 开源项目

SMPLer-X是一个基于ViT主干网络的人体姿态和形状估计框架，通过多数据集训练实现高精度和高效率。该框架提供多种规模的模型版本，适应不同计算资源。SMPLer-X在多个基准测试中表现优异，支持便捷的推理、训练和测试。项目还提供Docker部署，为研究和开发提供灵活的人体3D重建工具。

TripoSR - 高效单图3D重建开源工具

3D重建GithubTripoSR人工智能单图重建开源模型开源项目

TripoSR是Tripo AI和Stability AI合作开发的开源3D重建模型，基于大型重建模型(LRM)原理，能从单张图像快速生成3D模型。在NVIDIA A100 GPU上，处理时间不到0.5秒。该模型在多个公共数据集上表现出色，为3D内容创作和研究提供了高效工具。

awesome-virtual-try-on - 虚拟试衣研究的综合资源汇总

Github人工智能图像生成开源项目深度学习虚拟试衣计算机视觉

该项目整理了虚拟试衣(VTON)领域的研究资源,包括最新论文、代码、数据集和演示。内容涵盖基于提示、2D/3D图像、混搭、野外场景和多姿态引导等多个研究方向,并提供相关会议workshop信息。为虚拟试衣技术的研究人员和开发者提供全面的参考资料。

vision_transformer - 视觉Transformer和MLP-Mixer模型库高性能图像识别

FlaxGithubJAXMLP-MixerVision Transformer图像识别开源项目

项目包含多种视觉Transformer(ViT)和MLP-Mixer模型实现,提供ImageNet和ImageNet-21k预训练模型及JAX/Flax微调代码。通过交互式Colab笔记本可探索5万多个模型检查点。这些高性能图像分类模型代表了计算机视觉的前沿进展。

Depth-Anything-V2-Small - 先进高效的开源深度估计工具

Depth-Anything-V2GithubHuggingface图像处理开源项目机器学习模型深度估计计算机视觉

Depth-Anything-V2-Small是一个开源的单目深度估计模型，基于大规模合成和真实图像数据训练。相比前代产品，该模型提供更精细的深度细节和更强的鲁棒性。它比同类基于稳定扩散的模型运行速度快10倍，且更加轻量化。模型支持高效的图像深度推断，可用于各种计算机视觉应用场景。

EmbodiedScan - 全面多模态3D感知套件，提高具身AI的理解能力

3D感知EmbodiedScanGithubMMScan多模态开源项目深度学习

EmbodiedScan及其系列如MMScan是专为多模态3D感知设计的开放数据集与基准，用于深入理解第一人称3D场景。包含超过5000次扫描、100万RGB-D视图、语言提示和160k 3D定向框。基于此数据库的Embodied Perceptron展示了在3D感知和语言定位中的优秀表现，适用于计算机视觉和机器人领域。通过我们的演示和基准测试，了解详细信息和应用案例。

SuPreM - 基于大规模数据集的三维医学影像分析预训练模型套件

3D模型GithubSuPreM医学影像分析大规模数据集开源项目迁移学习

SuPreM是一套基于大规模数据集和每体素标注的预训练3D模型,在多种医学影像任务中展现出优秀的迁移能力。该项目结合AbdomenAtlas 1.1数据集(9,262个带注释CT扫描)和多个先进AI模型,为三维医学图像分析提供了基础数据集和模型,有助于提升该领域的研究效率和算法性能。

vggsfm - 深度学习驱动的结构运动恢复技术

GithubVGGSfM三维重建开源项目深度学习结构运动计算机视觉

VGGSfM是一种结合视觉几何原理和深度学习的结构运动恢复(SfM)技术。该开源项目提供Python包，支持3D重建、相机姿态估计和稠密深度图生成。VGGSfM在CVPR24 IMC挑战赛相机姿态估计中获得第一名。它支持多种特征点提取方法，并提供灵活的可视化选项，方便研究人员和开发者进行3D重建实验和应用开发。

PHALP - 基于3D外观、位置和姿态预测的人体跟踪技术

3D外观预测GithubPHALP人体跟踪位置预测姿态预测开源项目

PHALP是一个开源的3D人体跟踪项目，利用人体3D外观、位置和姿态预测实现精确跟踪。该项目提供完整代码实现，包含安装指南、演示代码、数据集准备和评估工具。PHALP可处理视频文件、YouTube视频和图像目录等多种输入源，并具备多样化的可视化功能。这一工具为人体动作分析和计算机视觉研究提供了有力支持。

SystemAnimatorOnline - AI驱动的实时全身动作捕捉与虚拟形象动画

3D建模ARGithubVTubingXR Animator动作捕捉开源项目

XR Animator是一款基于AI技术的全身动作捕捉应用,利用单个网络摄像头实现实时动作追踪并驱动3D虚拟形象。该应用支持面部、手部和全身动作捕捉,兼容MMD和VRM模型,可在桌面和移动端浏览器中使用。XR Animator还提供AR功能、动作录制导出和自定义3D场景等特性,为VTubing和元宇宙创作者提供丰富的虚拟互动工具。

XPretrain - 涵盖视频语言和图像语言模型的多模态学习与预训练研究

GithubXPretrain图像与语言多模态学习开源项目视频与语言预训练

Microsoft Research MSM组在多模态学习和预训练方法上的最新研究成果，包含用于视频语言的HD-VILA-100M数据集，以及HD-VILA、LF-VILA、CLIP-ViP等预训练模型，和用于图像语言的Pixel-BERT、SOHO、VisualParsing模型。这些研究发表在CVPR、NeurIPS和ICLR等顶级会议，代码和数据集已公开，社区成员可以贡献和提出建议。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com