Project Icon

mask2former-swin-large-mapillary-vistas-panoptic

Mask2Former:集实例、语义和全景分割于一体的图像分割模型

Mask2Former是一个基于Swin主干网络的高级图像分割模型,在Mapillary Vistas数据集上训练用于全景分割。它通过预测掩码和标签集合,统一处理实例、语义和全景分割任务。该模型采用改进的Transformer架构和高效训练策略,性能和效率均优于先前的MaskFormer。Mask2Former为各类图像分割应用提供了强大支持,推动了计算机视觉技术的进步。

Open-MAGVIT2 - 自回归视觉生成新突破 大幅提升图像分词性能
GithubOpen-MAGVIT2图像分词器大规模词表开源项目自回归模型视觉生成
Open-MAGVIT2是一个创新的自回归视觉生成项目,采用无查找技术和262144大小的码本,克服了VQGAN的局限性。该项目用PyTorch重新实现MAGVIT2分词器,在图像分词方面取得显著进展,8倍下采样时rFID达到0.39。项目致力于推动自回归视觉生成领域发展,目前处于积极开发阶段,未来计划拓展至视频生成领域。
yolov8m-building-segmentation - 卫星图像中YOLOv8建筑物分割的精准实现
GithubHuggingfaceYOLOv8ultralyticsplus卫星建筑分割图像分割开源项目模型
该模型专注于通过Yolov8m实现卫星图像中建筑物的精准分割,借助PyTorch以提高分析准确性,mAP@0.5的精度分别为0.62261和0.61275。使用ultralyticsplus库及Python示例可实现快速图像加载与预测,适合高精度建筑物分割的应用需求。
LaserMix - 创新半监督LiDAR语义分割框架
GithubLaserMixLiDAR语义分割半监督学习开源项目数据增强空间先验
LaserMix是针对LiDAR语义分割的半监督学习框架。该方法利用驾驶场景空间先验,通过激光束混合构建低变化区域,促使分割模型在混合前后保持一致预测。在多个数据集上,LaserMix显著提升了分割性能,尤其适用于标注数据有限的情况。该框架兼容多种LiDAR分割网络,并已整合至MMDetection3D代码库。
PDFormer - 基于传播延迟感知的动态长程模型优化交通流量预测
GithubPDFormer交通流预测人工智能开源项目时空数据分析深度学习
PDFormer是一种新型交通流量预测模型,结合传播延迟感知和动态长程Transformer架构提高预测准确性。该模型在多个基准数据集上展现出优异性能,能有效捕捉复杂时空依赖关系。作为交通分析工具,PDFormer可应用于交通管理和城市规划,有潜力缓解拥堵并优化路线。
InternLM-XComposer - 多模态视觉语言模型实现超高分辨率理解与多场景交互
GithubInternLM-XComposer-2.5多回合多图对话多模态大语言模型开源项目网页制作高分辨率图像理解
InternLM-XComposer-2.5是一款高级多模态视觉语言模型,能处理高达96K的复杂图文背景。该模型优秀适用于超高清图像分析、多轮对话生成、网页创建等任务,并通过特殊算法优化输出质量,在多个基准测试中表现卓越。
MetaTransformer - 统一12种模态的多模态学习框架
GithubMeta-Transformer人工智能多模态学习开源项目深度学习计算机视觉
Meta-Transformer是一个创新的多模态学习框架,可处理12种不同模态的数据,包括自然语言、图像、点云和音频等。该框架采用共享编码器架构和数据到序列转换方法,支持分类、检测和分割等多种任务。项目提供开源预训练模型和代码实现,为多模态AI研究提供了有力支持。
Multi-Task-Transformer - 场景理解多任务变压器模型 TaskPrompter和InvPT
GithubTransformer场景理解多任务学习开源项目深度学习计算机视觉
Multi-Task-Transformer项目提供两种场景理解多任务变压器模型:TaskPrompter和InvPT。TaskPrompter利用空间-通道多任务提示进行密集场景理解,InvPT采用倒金字塔架构。这些模型在单目深度估计和3D目标检测等任务中表现出色,并在ICLR2023和ECCV2022会议上发表。项目开源代码和预训练模型,支持多种计算机视觉应用。
mvsplat - 从稀疏多视角图像高效重建3D场景
3D Gaussian SplattingGithubMVSplat多视图图像开源项目神经渲染计算机视觉
MVSplat是一种基于3D高斯分布渲染的多视角图像重建技术。该项目利用深度学习和计算机视觉方法,从稀疏的多视角图像高效重建3D场景并实现新视角渲染。MVSplat在RealEstate10K和ACID数据集上表现优异,并具有良好的跨数据集泛化能力。项目提供了安装指南、预训练模型和评估代码,便于研究人员进行复现和改进。
Retinexformer - Retinexformer:高效低光照图像增强工具,支持15个基准测试和超高分辨率
GithubICCV 2023NTIRE 2024Retinexformer低光照图像增强开源项目高分辨率图像
Retinexformer是一个低光照图像增强项目,支持超过15个基准测试和超高分辨率图像(最高4000x6000)。该项目在NTIRE 2024挑战中获得第二名,提供代码、预训练模型和训练日志。Retinexformer框架支持分布式数据并行和混合精度训练,自适应分割测试策略显著提升模型性能。
X-Decoder - 像素、图像和语言的统一解码模型
GithubX-Decoder图像分割多任务学习开放词汇分割开源项目计算机视觉
X-Decoder是一个通用解码模型,可生成像素级分割和标记级文本。该模型在多个数据集上实现了开放词汇分割和指代分割的最佳结果,在分割和视觉语言任务上表现出色。X-Decoder支持语义、实例和全景分割,以及图像描述、图像-文本检索等多种任务。此外,它还能进行区域检索、指代描述、图像编辑等零样本任务组合。
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