Project Icon

gmflow

利用全球匹配提高光流估计的准确性与效率

GMFlow将光流重新定义为全球匹配问题,简化了光流估计流程。它提供灵活的模块化设计,可以轻松构建定制模型,并在高端GPU上显著加速。该项目在Sintel基准测试中表现出高准确性和效率,预训练模型适用于FlyingChairs、FlyingThings3D和KITTI等数据集。新更新扩展了GMFlow至立体和深度任务,并提供更多速度和准确性的选择。

sfm-disambiguation-colmap - 改进结构运动恢复算法 应对场景对称性和重复结构
3D重建COLMAPGithubSfM图像匹配开源项目数据集
该项目实现并集成了多种先进算法到COLMAP中,以解决结构运动恢复中场景对称性和重复结构的问题。它重新实现了Yan、Cui和Kataria等人提出的方法。通过广泛实验分析发现,没有一种方法能在所有数据集上表现一致,大规模场景的参数调整仍具挑战性。该研究为进一步探索这一问题奠定了基础。
AI-Flow - 开源平台实现多AI模型无缝连接和集成
AI-FlowAI工具API集成人工智能模型无代码开发自定义AI工具
AI-Flow是一个开源平台,专注于简化多个AI模型的连接和集成。通过直观的拖放界面,用户可以快速创建自定义AI工具,无需编码。平台支持GPT-4、Claude和Stable Diffusion等多种AI模型,可在应用内运行工作流或集成到其他项目中。AI-Flow还提供API构建功能,实现AI工作流的自动化和灵活集成,为用户提供创新的AI解决方案。
OpenFLUX.1 - 可定制的高速图像生成开源模型
AI绘图GithubHuggingfaceOpenFLUX.1图像生成开源开源项目模型模型微调
OpenFLUX.1是FLUX.1-schnell模型的改进版本,移除了蒸馏限制,支持进一步微调。该模型采用经典CFG方法,可在1-4步内生成高质量图像,为开发者提供了灵活的图像生成解决方案。OpenFLUX.1使用Apache 2.0许可,目前处于beta 0.1.0阶段,正在持续优化中。
first-order-model - First Order Motion Model:图像动画的高效解决方案
DockerFirst Order Motion ModelGithubPython图像动画开源项目数据集
First Order Motion Model项目提供了一种先进的图像动画运动模型,通过驾驶视频和源图像生成逼真的动画序列。支持包括VoxCeleb、Fashion和MGIF在内的多种数据集,提供详细的安装和使用指南。项目支持Python和Docker,确保了环境兼容性,还提供Colab和Kaggle的在线演示。此外,该项目还具备面部交换功能,适用于监督和非监督的视频编辑任务。
VoiceFlow-TTS - 结合最新流匹配算法的文本转语音技术
GithubKaldiVoiceFlow开源项目数据准备文本转语音模型训练
VoiceFlow-TTS项目采用先进的矫正流匹配技术,提升了文本到语音转换的效率和自然度。此项目详细介绍了设置环境、准备数据、训练模型以及推理过程,支持多GPU并发处理,兼容多种数据集。
DeepLagrangianFluids - 拉格朗日流体模拟的连续卷积神经网络方法
Github开源项目机器学习流体模拟深度学习物理引擎粒子系统
DeepLagrangianFluids项目实现了基于连续卷积的粒子流体模拟网络,源于ICLR 2020会议发表的研究成果。项目包含数据生成、模型训练和预训练模型运行的完整代码,支持PyTorch和TensorFlow框架,并集成Open3D等库实现高效模拟与可视化。这种新方法在流体动力学模拟的准确性和计算效率方面取得了显著进展。
LightGlue - 光速图像特征匹配工具
GithubICCV 2023LightGlue图像配准开源项目深度学习特征匹配
LightGlue是一个轻量级且高精度的图像特征匹配工具,特别适用于图像对的稀疏局部特征匹配。其自适应机制在处理简单图像对时能有效节省时间,处理复杂图像对时降低计算复杂度。支持SuperPoint、DISK、ALIKED和SIFT等预训练特征,并提供训练与评估代码。用户可通过pip轻松安装,并通过演示笔记本快速体验。此工具同样具有FlashAttention、混合精度推理等高级配置选项,在GPU和CPU上均表现出显著性能提升。
2_rectified_flow_from_sd_1_5 - 基于Stable Diffusion微调的快速文本生成图像模型
AI绘图GithubHuggingfaceInstaFlowStable Diffusion开源项目文本生成图像模型深度学习
2-Rectified Flow模型是对Stable Diffusion 1.5的改进,采用文本条件重流技术实现快速高质量图像生成。项目在GitHub开源,提供了完整的训练过程、MS COCO 2017数据集上的评估结果以及使用方法。该模型在少步生成和图像质量方面都有出色表现,为文本到图像生成领域贡献了新的解决方案。
GLEE - 实现多任务图像和视频处理的通用视觉基础模型
GLEEGithub多任务模型实例分割开源项目目标检测计算机视觉
GLEE是一个通用对象基础模型,在超过1000万张来自多个数据集的图像上进行联合训练。该模型能同时处理多种以对象为中心的视觉任务,并在多个基准测试中保持领先性能。GLEE具有出色的通用性和零样本迁移能力,可作为增强其他架构或模型的基础组件。这项研究被CVPR2024接受为亮点论文,研究团队计划开源相关代码和预训练模型。
Gaussian-SLAM - 革新性实时3D重建技术,融合高斯散射实现逼真效果
3D重建Gaussian-SLAMGithubSLAM开源项目神经渲染计算机视觉
Gaussian-SLAM是一种创新的3D场景重建技术,将高斯散射与SLAM系统相结合。该技术能够准确映射环境,生成高质量纹理和细节,实现照片级真实的稠密重建效果。Gaussian-SLAM在Replica、TUM_RGBD、ScanNet等多个数据集上展示了优秀性能,为实时3D重建和增强现实应用开辟了新途径,是计算机视觉和机器人领域的重要进展。
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