cross-image-attention

跨图像注意力机制实现零样本外观迁移

Cross-Image Attention 零样本外观迁移语义对应图像生成自注意力机制 Github 开源项目

该项目开发了一种跨图像注意力机制，实现了零样本外观迁移。这种方法利用生成模型的语义理解，在保持目标结构的同时，将外观应用到不同形状的对象上。该技术适用于多种对象类别，对形状、大小和视角变化具有适应性。项目提供了代码实现、使用指南和演示，便于研究人员探索和应用。

STF - 窗口注意力机制推动图像压缩技术进步

CNN模型CompressAIGithubTransformer模型图像压缩开源项目深度学习

STF项目开发了基于窗口注意力的图像压缩方法，在CNN和Transformer架构上均实现突破。该技术在Kodak和CLIC数据集上表现出色，兼顾压缩性能和编解码效率。项目开源了预训练模型、训练评估脚本和OpenImages数据集训练指南，为图像压缩研究提供了全面资源。

VPGTrans - 低成本跨语言模型迁移的视觉提示生成器VPGTrans指南

GithubVL-LLMVL-LLaMAVL-VicunaVPGTrans开源项目视觉提示生成器

VPGTrans框架通过迁移视觉提示生成器，显著降低大语言模型的资源消耗和训练数据需求。该项目包括VL-LLaMA和VL-Vicuna两阶段训练方法，并详细介绍了安装、评估和训练步骤，由新加坡国立大学和清华大学的研究人员开发。

CLIP-ReID - 基于CLIP的无标签图像重识别新方法

CLIP-ReIDGithub人工智能图像重识别开源项目视觉语言模型计算机视觉

CLIP-ReID提出了一种无需具体文本标签的图像重识别新方法。该方法基于CLIP视觉-语言模型,结合CNN和ViT架构,并运用SIE和OLP等技术进行优化。在MSMT17等多个基准数据集上,CLIP-ReID展现了领先的性能,为图像重识别领域开辟了新的研究方向。

DiG - 基于门控线性注意力的高效可扩展扩散模型

DiGDiffusion ModelsGated Linear AttentionGithub图像生成开源项目深度学习

DiG项目提出了一种基于门控线性注意力的扩散模型,用于解决现有模型在可扩展性和计算效率方面的挑战。该模型在高分辨率下展现出显著的训练速度提升和内存节省,性能优于DiT。DiG在不同计算复杂度下表现出色,随着模型深度/宽度增加或输入令牌增强,FID值持续下降。与其他次二次时间复杂度的扩散模型相比,DiG在多种分辨率下都展现出卓越的效率。

MultiDiffusion - 基于预训练模型的多功能可控的图像生成框架

GithubMultiDiffusion可控生成图像生成开源项目扩散模型文本到图像

MultiDiffusion 是一个统一框架，通过预训练的文字转图像扩散模型，实现多功能且可控的图像生成，无需进一步训练或微调。该框架支持用户使用各种控制信号，如纵横比和空间引导信号，生成高质量、多样化的图像。MultiDiffusion 优化了多重扩散生成过程，使用一组共享参数或约束，支持局部和全局编辑，适用于如烟雾、火焰和雪等半透明效果。

OpenGraph - 图神经网络零样本学习的突破性研究

GithubOpenGraph图生成图神经网络大语言模型开源项目零样本学习

OpenGraph是一个创新的图基础模型,通过从大语言模型中提取零样本图泛化能力,解决了图神经网络领域的关键技术挑战。该模型引入了统一图标记器、可扩展图transformer和基于大语言模型的数据增强机制,在多种场景下展现出优异的零样本图学习性能。这项研究为图神经网络的泛化能力提升和应用场景拓展开辟了新方向。

dressing-in-order - 递归生成人物图像的姿势迁移和虚拟试衣技术

GithubICCV人像生成姿势迁移开源项目服装编辑虚拟试衣

Dressing in Order 项目开发了一种创新的人物图像生成方法，实现姿势迁移、虚拟试衣和服装编辑功能。系统通过递归方式按顺序生成人物图像各部分，提高了图像操控的精细度和灵活性。项目提供开源代码、预训练模型和在线演示，便于研究者探索和应用这一技术。

PIDM - 人像图像生成技术，支持姿态和外观定制

本项目采用去噪扩散模型实现高质量人像图像生成，并支持姿态和外观控制。经过在DeepFashion数据集的训练，该方法可在5天内利用多GPU实现高精度样本生成。提供预训练模型下载和详细的训练与推理指南，支持自定义数据集。实验比较显示，该模型在多种先进方法中表现优异。相关代码和生成结果可在GitHub及Google Colab中体验。

landmark-attention - 突破性长序列处理技术的高效注意力机制

GithubLLaMALandmark AttentionTransformer开源项目深度学习语言模型

Landmark Attention项目提供了一种创新注意力机制的实现，可处理无限长度的上下文。该项目包含语言建模基准测试和LLaMA模型微调代码，以及与Flash Attention结合的Triton实现。通过在输入中添加特殊landmark标记，实现了对超长序列的随机访问，优化了Transformer模型的长文本处理能力，同时显著降低了内存使用并提高了性能。

perceiver-pytorch - Perceiver模型的PyTorch实现迭代注意力处理多模态数据

GithubPerceiver开源项目注意力机制深度学习神经网络计算机视觉

perceiver-pytorch项目实现了Perceiver和PerceiverIO模型。这些模型采用迭代注意力机制，能够处理图像、视频和文本等多种输入数据。项目提供灵活的配置选项，包括输入通道数、频率编码和注意力头数等。通过语言模型示例，展示了PerceiverIO架构的通用性。该实现适合处理复杂多模态输入的深度学习研究和应用。项目提供了简单易用的API，支持快速集成到现有PyTorch项目中。代码实现了原论文中的核心概念，如交叉注意力和自注意力机制。此外，项目还包含了实验性的自下而上注意力版本，为研究人员提供了更多探索空间。

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。

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