maskformer-swin-large-ade

MaskFormer模型提升语义分割效率与精确度的创新方案

实例分割开源项目模型 Huggingface panoptic分割语义分割 ADE20k MaskFormer Github

MaskFormer通过ADE20k数据集训练，利用Swin结构提升语义、实例和全景分割性能。该模型适用于多种分割任务，采用统一的掩码及标签预测方式处理三类分割，促进图像细分任务的研究和应用，如建筑物和场景的精确分割。项目由Hugging Face团队支持，可在模型中心找到其他版本进行适用性调优。

文档

PointTransformerV3 - 先进的点云处理框架

GithubPoint Transformer V3开源项目深度学习点云处理计算机视觉语义分割

PointTransformerV3是一个创新的点云处理框架，在多个基准测试中展现出卓越性能。该项目优化了模型结构，提升了运行速度和处理能力。它适用于室内外场景的语义分割，通过多数据集预训练进一步增强了效果。研究人员可利用开源代码和预训练模型轻松复现结果或应用于自身项目。

Florence-2-large - 多任务视觉AI的统一解决方案

Florence-2GithubHuggingface人工智能图像处理多任务学习开源项目模型计算机视觉

Florence-2是一个由微软开发的视觉基础模型，能够处理多种视觉和视觉-语言任务。该模型通过解释简单的文本提示，可以执行图像描述、目标检测和分割等任务。Florence-2基于FLD-5B数据集进行训练，在零样本和微调场景下均表现优异。模型提供不同规模的版本，支持多种视觉任务，为研究人员和开发者提供了一个versatile的视觉AI工具。

LISA - 通过大型语言模型进行推理分割的技术

GithubLISA分割掩码多模态大语言模型开源项目推理分割

LISA凭借其多模态大型语言模型，开创推理分割任务，能够将复杂文本问题转化为精准的图像分割结果。该项目不仅包含超千个图像指令对、综合推理及世界知识评估，还展示出在无需推理的数据集训练下的强大零样本能力。推理训练图片指令对的引入进一步强化了其性能。详情请参阅相关论文。

ESANet - 高效RGB-D语义分割网络用于室内场景分析

ESANetGithubRGB-D实时处理室内场景分析开源项目语义分割

ESANet是一个高效的RGB-D语义分割网络,专为室内场景分析设计。该网络在NVIDIA Jetson AGX Xavier上实现实时语义分割,适用于移动机器人的实时场景分析系统。项目提供训练和评估代码,支持模型转换至ONNX和TensorRT,并可测量推理时间。ESANet在NYUv2、SUNRGB-D和Cityscapes等数据集上展现出优异性能。

smol-vision - 前沿视觉模型优化与定制的实用技巧集锦

GithubONNX量化Smol Vision开源项目模型微调知识蒸馏视觉模型优化

smol-vision项目汇集了多种视觉模型优化技术，包括量化、ONNX转换、模型微调和知识蒸馏。项目提供了实用示例，展示如何使用Optimum优化目标检测模型、微调PaliGemma和Florence-2视觉语言模型，以及通过torch.compile加速基础模型。这些方法旨在帮助开发者提高模型性能、缩小规模和加快推理速度，使模型更好地适应各种硬件环境。

deformableLKA - 变形大核注意力机制提升医学图像分割效果

3D分割D-LKA NetDeformable Large Kernel AttentionGithubVision Transformer医学图像分割开源项目

变形大核注意力(D-LKA Attention)是一种新型医学图像分割方法。它通过大型卷积核高效处理图像数据，并使用可变形卷积适应不同数据模式。该方法有2D和3D两个版本，尤其是3D版本在处理跨层数据时表现优异。基于此技术开发的D-LKA Net架构在多个医学分割数据集上的表现超过了现有方法，展现了其在医学图像分析领域的潜力。

PaddleSeg - 高性能端到端图像分割工具套件，支持从训练到部署

AI套件GithubPaddleSegPaddleX图像分割开源项目飞桨

PaddleSeg是一款基于飞桨PaddlePaddle的图像分割套件，内含超过45种模型算法和140多个预训练模型，支持语义分割、交互式分割、Matting及全景分割。应用场景广泛，包括医疗、工业、遥感等。具备高精度、高性能、模块化以及全流程特性，兼容多个操作系统如Linux、Windows、MacOS，适用于多种硬件的训练和部署。

FastSAM - 全景分割模型速度提升50倍且性能可比SAM

AI模型Fast Segment AnythingGithub图像分割开源项目深度学习计算机视觉

FastSAM是一款基于CNN的高效全景分割模型。仅使用SAM数据集2%的数据，就实现了与SAM相当的性能，同时运行速度提升50倍。支持一切模式、文本提示、框选和点选等多种交互方式。在边缘检测、目标检测等下游任务中，FastSAM展现出优异的零样本迁移能力，为计算机视觉研究开辟新方向。

HRDA - 突破性多分辨率域适应语义分割方法

GithubHRDA域适应多尺度开源项目语义分割高分辨率

HRDA是一种创新的多分辨率训练方法，用于无监督域适应的语义分割。它结合高分辨率裁剪保留细节和低分辨率裁剪捕获长程上下文，同时控制GPU内存占用。HRDA在多个基准测试中显著超越现有方法，并可扩展至域泛化。这种方法为自动驾驶等实际应用中的域适应问题提供新思路，推动了计算机视觉技术在复杂场景下的应用。

EdgeSAM - 边缘设备上快速的分割模型EdgeSAM

CNNEdgeSAMGithubSAMiOS应用开源项目高性能

EdgeSAM通过优化的Prompt-In-the-Loop蒸馏方法，为边缘设备提供高效的分割模型。相较于原始SAM，EdgeSAM在速度上提升了40倍，并在iPhone 14上实现了超过30帧每秒的性能。此外，EdgeSAM在COCO和LVIS数据集上的mIoUs分别提升了2.3和3.2，性能优于MobileSAM。该项目支持ONNX和CoreML平台，并已经集成到多个开源工具中。用户还可以通过iOS App方便地使用EdgeSAM。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com