Logo
Project Icon

ReLA

先进的泛化引用表达分割技术

GRES引用表达分割计算机视觉深度学习语义分割Github开源项目

GRES项目提出了一种新颖的泛化引用表达分割方法，在CVPR 2023会议上被评为亮点论文。该项目采用Swin Transformer骨干网络，在gIoU指标上达到63.60%的性能。GRES项目不仅发布了新数据集，还开源了代码实现，支持ResNet-50和Swin-Tiny等多种骨干网络，为研究人员提供了多样化选择。项目的GitHub仓库提供了详细的安装说明、推理和训练代码，以及预训练模型。

访问官网访问官网GithubGithub论文论文
介绍相关项目
GNN-RAG - 结合图神经网络和检索增强生成的知识图谱问答方法
GNN-RAGGithub图神经网络大语言模型开源项目检索增强生成知识图谱问答
GNN-RAG项目探索了图神经网络在大语言模型推理中的应用。该方法在密集子图上进行推理，检索候选答案和推理路径，结合了GNN的结构化推理和LLM的自然语言处理能力。项目提供了GNN实现和基于RAG的LLM问答系统的代码，以及实验结果。研究表明，这种方法在知识图谱问答任务中具有提升性能的潜力。
sat-12l - 多语言句子分割的革新之选，12层Transformer模型
GithubHuggingfaceSegment any TextSentence Segmentationsat-12lwtpsplit十二层Transformer开源项目模型
凭借12层Transformer，实现多语言环境中更高效的句子分割。这一技术适合多语境文本处理，提供快速而准确的分割解决方案。使用wtpsplit库可增强文本分析能力，进一步提高处理效率。详情请参阅Segment any Text论文。
MIGC - 利用MIGC实现多实例文本生成图像
CVPR2024GithubMIGC多实例生成开源项目文本生成图像稳定扩散
MIGC项目的多实例生成控制器提升了文本生成图像的多样性和质量，包含COCO-MIG基准测试、在线Colab演示等资源。MIGC提升了属性控制，通过更换不同生成器权重，实现高质量和多样化图像生成。最新Consistent-MIG算法优化迭代编辑功能，保持未修改区域一致性并增强修改实例的一致性。此项目由浙江大学的ReLER实验室和华为监督。
InstructCV - 自然语言指令引导的多任务计算机视觉模型
GithubInstructCV开源项目文本到图像生成深度学习生成扩散模型计算机视觉
InstructCV 项目通过指令调优的文本到图像扩散模型，简化了计算机视觉任务的执行方式。该项目将多个计算机视觉任务转化为文本描述的图像生成问题，并使用涵盖分割、物体检测、深度估计和分类等任务的数据集进行训练。利用大型语言模型生成任务提示，该模型从生成模型转变为指令引导的多任务视觉学习者。项目实现了多种环境配置，包括在Huggingface Spaces的Gradio演示和Google Colab的运行示例，并支持PyTorch 1.5+。
Generative-AI - 多模态图像合成与编辑技术及其分类
Data ModalityGenerative AIGithubMultimodal Image Synthesis and EditingTaxonomyVisual AIGC开源项目
该项目附有一篇综述论文，全面分析了多模态图像合成与编辑（MISE）和视觉AIGC的发展情况，并根据数据模态和模型架构进行了分类研究。通过此项研究，科研人员和技术开发者可以深入了解神经渲染、扩散方法、自回归方法及对抗生成网络（GAN）等不同技术及其应用，帮助更好地掌握多模态图像合成技术的前沿进展与实际应用。
One-2-3-45 - 2D扩散模型在3D AIGC中的创新应用
3D建模GithubHuggingFaceNeurIPS 2023One-2-3-45开源项目深度学习
One-2-3-45项目创新性地提出了一种2D扩散模型在3D AIGC中的正向操作方法，无需耗时的优化过程。项目提供详细的安装说明和多种演示方式，包括在线互动演示和完整的配置指南。通过整合Hugging Face的Gradio API，用户可以方便地进行图像预处理和3D网格重建。该项目已被NeurIPS 2023接受，并提供了详细的训练代码和数据集，促进单图像到3D模型的快速生成。
VideoGPT-plus - 双编码器融合提升视频理解能力
GithubVideoGPT+人工智能多模态模型开源项目视频对话视频理解
VideoGPT+是一个创新的视频对话模型，通过集成图像和视频编码器，实现了更精细的空间理解和全局时间上下文分析。模型采用自适应池化技术处理双编码器特征，大幅提升了视频基准测试性能。项目同时推出VCG+ 112K数据集和VCGBench-Diverse基准，为视频对话任务提供全面评估。VideoGPT+在空间理解、推理和视频问答等多项任务中表现优异。
VisorGPT - 通过生成式预训练掌握视觉先验 NeurIPS
GithubNeurIPS 2023VisorGPT开源项目深度学习生成预训练视觉先验
VisorGPT项目通过生成式预训练技术学习视觉先验，展示了最新的代码、预训练模型权重和快速入门指南。该项目由新加坡国立大学、深圳大学和腾讯YouTu实验室合作完成。点击查看详细教程和演示视频，了解如何应用这项前沿技术。
SegVol - 突破性的通用交互式三维医学影像分割模型
3D建模CT扫描GithubSegVol人工智能医学图像分割开源项目
SegVol是一个创新的通用交互式三维医学影像分割模型，支持点、框和文本提示输入。该模型在96,000个CT扫描数据集上训练，可分割超过200个解剖类别。SegVol开源了推理代码、训练代码、模型参数以及预训练的ViT参数。通过内部和外部验证，SegVol展现出优秀的分割性能，为医学影像分析提供了新的解决方案。
parseq - 创新的场景文本识别统一模型
ECCVGithubPARSeq场景文本识别开源项目深度学习计算机视觉
PARSeq是一种创新的场景文本识别模型，采用置换自回归序列方法，实现了上下文无关和上下文感知推理及迭代预测细化。该模型统一了现有STR解码方法，无需独立语言模型，在多个基准数据集上展现出优异性能，同时保持较低计算成本。PARSeq支持灵活的字符集训练和多种评估配置，为OCR应用提供了高效而强大的解决方案。
相关项目
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。

使用协议隐私政策广告服务
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