Project Icon

sam2-hiera-tiny

提供图像和视频分割功能的开放源码基础模型

SAM 2模型提供图像和视频的可提示视觉分割功能,开源代码库支持图像和视频预测。通过提示实现精准的掩码生成及传播,在高效推理中表现出色。该项目适合视觉识别与处理领域的研究者和开发者进行应用。

GLaMM-GranD-Pretrained - 基于GranD数据集的区域级理解和分割预训练模型
GLaMM-GranD-PretrainedGithubHuggingface图像分割大规模数据集开源项目模型深度学习计算机视觉
GLaMM-GranD-Pretrained是基于GranD数据集预训练的模型,专注于区域级理解和分割掩码生成。GranD数据集包含7.5百万个独特概念和810百万个带分割掩码的区域,通过自动化注释流程生成。该模型为计算机视觉任务提供高级像素分割能力。研究者可通过GitHub或Hugging Face获取模型,并参考相关论文和项目页面深入了解。
ShareGPT4Video - 通过字幕提高视频理解和生成
AI模型GithubShareGPT4Video开源项目视频字幕视频理解视频生成
ShareGPT4Video项目通过应用高精度字幕显著提升视频理解与生成的效果。该项目提供功能强大的文本至视频模型,支持多种视频时长和分辨率,并设有两种优化效率与质量的推断模式。该项目的目标是通过高质量视频字幕数据集改善文本到视频的转换效果,从而提升大型视频语言模型的理解能力。
swinv2-tiny-patch4-window16-256 - Swin Transformer v2:分层特征图构建的高效视觉模型
GithubHuggingfaceSwin Transformer v2图像分类开源项目模型深度学习神经网络计算机视觉
Swin Transformer v2是一种改进的视觉模型,通过合并图像块构建分层特征图,适用于图像分类和密集识别任务。它采用局部窗口自注意力机制,实现了线性计算复杂度。模型引入残差后归一化、余弦注意力和对数间隔连续位置偏置等技术,提升训练稳定性和迁移能力。同时,利用SimMIM自监督预训练方法减少了对大量标记图像的依赖。
UniRef - 跨空间时间的统一视觉对象分割模型
GithubUniRef++参考对象分割开源项目深度学习目标分割视频对象分割
UniRef++是一个统一的视觉模型,可同时处理指代图像分割、少样本分割、指代视频对象分割和视频对象分割四种任务。其核心UniFusion模块能高效注入多种参考信息,不仅性能优异,还可作为SAM等基础模型的插件组件使用。该模型在多个benchmark上展现出色表现,体现了其在对象分割领域的通用性和扩展性。
VideoMamba - 突破性的视频理解状态空间模型
GithubVideoMamba多模态兼容性开源项目状态空间模型视频理解长期视频建模
VideoMamba是一种创新的视频理解模型,克服了现有技术的局限性。它能高效处理长视频和高分辨率内容,展现出可扩展性、短期动作识别敏感性、长期视频理解优势和多模态兼容性四大核心特点。VideoMamba为全面的视频理解任务提供了高效解决方案,推动了该领域的发展。
STCN - 改进内存覆盖的高效视频对象分割框架
GithubNeurIPSSTCN开源项目神经网络空间时间对应视频目标分割
STCN是一个创新的视频对象分割框架,通过改进内存覆盖重新构建时空网络。该方法在多个基准测试中达到了最先进水平,同时保持20+ FPS的高效运行。STCN采用简洁的网络结构,建立图像间亲和力,并使用L2相似度替代点积,显著提升内存利用率。这种方法在准确性和效率间实现了理想平衡,为视频对象分割研究带来新思路。
LLaVA-NeXT-Video-7B-hf - 先进多模态AI模型实现视频和图像理解
GithubHuggingfaceLLaVA-NeXT-Video人工智能多模态大语言模型开源项目模型视频理解
LLaVA-NeXT-Video-7B-hf是一个开源多模态AI模型,通过视频和图像数据的混合微调,实现了出色的视频理解能力。该模型支持多视觉输入和多提示生成,在VideoMME基准测试中表现优异。基于Vicuna-7B语言模型,可处理视频问答和图像描述等视觉任务。模型支持4位量化和Flash Attention 2优化,提供灵活高效的使用方式。
S2ML-Generators - 多功能AI图像与视频生成开源工具
CLIP-guided diffusionESRGANGithubS2ML GeneratorsVQGAN+CLIP图像生成开源项目
S2ML-Generators是一个开源的AI图像和视频生成工具集。它整合了VQGAN+CLIP和CLIP引导扩散等技术,支持图像生成、超分辨率处理和视频制作。该项目定期更新,优化功能和性能,为用户提供多样化的AI创作工具。
swinv2-tiny-patch4-window8-256 - 基于分层特征图的轻量级视觉Transformer模型
GithubHuggingfaceImageNetSwin Transformer v2图像分类开源项目模型深度学习计算机视觉
Swin Transformer V2是一个在ImageNet-1k数据集上预训练的视觉模型,采用分层特征图结构和局部窗口注意力机制,实现线性计算复杂度。模型整合了残差后归一化和余弦注意力等技术,在保持256x256分辨率输入的同时,提供了稳定的图像分类和特征提取能力。
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

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