Project Icon

cross-image-attention

跨图像注意力机制实现零样本外观迁移

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。

FocalNet - 突破注意力机制的新型视觉模型架构
FocalNetsGithub卷积神经网络图像分类开源项目目标检测语义分割
FocalNet是一种创新的视觉模型架构,无需使用注意力机制。其核心的焦点调制技术在多项视觉任务中超越了现有的自注意力方法。该模型在ImageNet分类和COCO检测等基准测试中表现优异,同时保持了高效简洁的实现。FocalNet具有平移不变性、强输入依赖性等特点,为计算机视觉领域提供了一种全新的建模思路。
overeasy - 无数据集需求的定制视觉模型构建
GithubOvereasy分割图像处理开源项目计算机视觉零样本视觉模型
Overeasy允许无大规模数据集,通过链式预训练零样本视觉模型实现高效图像处理。利用专用工具和工作流,用户可定制端到端管道,支持边框检测及分类。功能涵盖执行图和检测,安装简便,文档详尽,并提供Colab示例。
Awesome-MIM - 掩码图像建模在自监督表示学习中的应用与发展
GithubMasked Image ModelingTransformer开源项目深度学习自监督学习计算机视觉
该项目汇总了掩码图像建模(MIM)及相关的自监督学习方法。涵盖了从2008年以来的主要自监督学习研究,并展示了其在自然语言处理和计算机视觉领域的发展历程和关键节点。所有内容按时间顺序排列并定期更新,包括相关论文、代码和框架的详细信息,旨在帮助研究者深入理解和应用MIM方法。欢迎贡献相关文献或修正建议。
Long-CLIP - CLIP模型长文本处理能力升级 显著提升图像检索效果
AI模型CLIPGithubLong-CLIP开源项目文本-图像检索零样本分类
Long-CLIP项目将CLIP模型的最大输入长度从77扩展到248,大幅提升了长文本图像检索性能。在长标题文本-图像检索任务中,R@5指标提高20%;传统文本-图像检索提升6%。这一改进可直接应用于需要长文本处理能力的各类任务,为图像检索和生成领域带来显著进展。
Awesome_Matching_Pretraining_Transfering - 多模态模型、参数高效微调及视觉语言预训练研究进展汇总
Github参数高效微调图像文本匹配多模态模型大型模型开源项目视觉语言预训练
该项目汇总了多模态模型、参数高效微调、视觉语言预训练和图像-文本匹配领域的研究进展。内容涵盖大语言模型、视频多模态模型等多个方向,定期更新最新论文和资源。项目为相关领域的研究人员和开发者提供了系统的学习参考。
AlignProp - 通过奖励反向传播优化文本到图像扩散模型
AlignPropGithub图像生成奖励反向传播开源项目文本到图像扩散模型模型微调
AlignProp是一种创新的文本到图像扩散模型优化方法,通过端到端反向传播奖励梯度来实现。该方法能有效对齐模型与下游任务目标,包括图像-文本语义一致性、美学质量和可控性。相比传统强化学习方法,AlignProp能在更少训练步骤内获得更高奖励,并且概念简单,为扩散模型优化提供了高效直接的解决方案。
gen-cv - 综合AI图像生成处理与分析的开源加速器
Azure Machine LearningGithubOpenAIStable DiffusionVision AI图像处理开源项目
gen-cv是一个丰富的开源资源库,集合了多种图像生成、处理和分析的示例。该项目整合了Azure Machine Learning、Computer Vision、OpenAI和Stable Diffusion等先进技术,涵盖引导式图像生成、视频分析、头像创建和模型微调等领域。通过提供实用示例,gen-cv旨在帮助开发者探索和实现先进的计算机视觉解决方案,推动AI视觉技术的应用和创新。
awesome-openai-vision-api-experiments - OpenAI视觉API的研究与应用提供全面资源
GPT-4VGithubOpenAI Vision APIzero-shot学习图像分类开源项目视觉AI
该项目为OpenAI视觉API的研究与应用提供全面资源,覆盖从基础图像分类至高级的零次学习模型,适合初学者与专家共同探索、分享与合作。
DragGAN - 基于交互点的生成图像操作
DragGANGANGithubPyTorchSIGGRAPH 2023StyleGAN3开源项目
DragGAN项目介绍了一种基于交互点操作的生成图像技术,可以在生成图像流形上进行精确调整。内容包括技术实现步骤如安装依赖、运行Docker、下载预训练权重和使用GUI进行图像编辑。该项目关键是集成了StyleGAN3和部分StyleGAN-Human代码,提供一个在Linux和Windows系统上高效运行的图像编辑工具。代码遵循CC-BY-NC许可,部分源代码基于Nvidia Source Code License。
OpenShape_code - 革新3D形状表示方法 实现开放世界理解
3D形状表示GithubOpenShape多模态检索开放世界理解开源项目零样本分类
该项目开发了新型3D形状表示方法,通过大规模训练实现开放世界理解。这一技术在零样本3D形状分类、检索和语义理解任务中表现优异,支持多模态交互并能进行点云描述和图像生成。提供的在线演示、预训练模型和训练代码为3D视觉研究与应用拓展了新方向。
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

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。

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