Project Icon

SparseTrack

多目标跟踪新方法:基于伪深度的场景分解技术

SparseTrack提出了一种新的多目标跟踪方法,通过伪深度估计和深度级联匹配策略来分解密集场景。这种方法在MOT17和MOT20基准测试中表现出色,仅使用IoU匹配就达到了与复杂算法相当的性能。SparseTrack为解决拥挤场景中的多目标跟踪问题提供了新的思路,展示了简单方法在复杂任务中的潜力。

mvsplat - 从稀疏多视角图像高效重建3D场景
3D Gaussian SplattingGithubMVSplat多视图图像开源项目神经渲染计算机视觉
MVSplat是一种基于3D高斯分布渲染的多视角图像重建技术。该项目利用深度学习和计算机视觉方法,从稀疏的多视角图像高效重建3D场景并实现新视角渲染。MVSplat在RealEstate10K和ACID数据集上表现优异,并具有良好的跨数据集泛化能力。项目提供了安装指南、预训练模型和评估代码,便于研究人员进行复现和改进。
sc_depth_pl - 通过自我监督学习实现视频中的单目深度估计
ARNGithubSC-Depthmonocular depthpytorchself-supervised learning开源项目
SC-Depth项目提供了SC-DepthV1, V2和V3版本的PyTorch Lightning实现,专注于从视频中进行自我监督的单目深度估计。SC-DepthV1引入了几何一致性损失和自发现蒙板,提高了深度预测的准确性。SC-DepthV2通过引入自动矫正网络(ARN)解决了手持相机视频中大相对旋转的问题。SC-DepthV3利用外部预训练的深度估计网络,在动态场景中显著提升了单目深度估计的准确性。该项目提供了详细的安装指南、数据集组织和训练流程,支持多种数据集和自定义数据的训练。了解更多关于SC-Depth的详细信息以及其在多个挑战性数据集上的评估结果。
SlowFast - 开源视频理解框架 提供多种先进模型架构
GithubPySlowFast开源项目深度学习神经网络模型视频理解计算机视觉
PySlowFast是FAIR开发的开源视频理解代码库,提供高效训练的先进视频分类模型。支持SlowFast、Non-local Neural Networks、X3D和Multiscale Vision Transformers等多种架构。该框架便于快速实现和评估视频研究创新,涵盖分类、检测等任务。PySlowFast兼具高性能和轻量级特点,适用于广泛的视频理解研究。
BackgroundMattingV2 - 实时高分辨率背景抠图技术的创新突破
Github实时处理开源项目深度学习背景抠图计算机视觉高分辨率
该项目开发了实时高分辨率背景抠图技术,通过额外背景图像实现高质量抠图。研究展示了创新的神经网络架构,并提供新数据集。成果获CVPR 2021最佳学生论文荣誉提名,推动视频处理和图像编辑技术发展。
bassl - BaSSL算法推动视频场景分割性能提升
BaSSLGithub开源项目微调自监督学习视频场景分割预训练
BaSSL是一种针对视频场景分割的自监督学习算法。它利用伪边界和边界感知预训练任务,最大化场景内相似性并最小化场景间差异。通过在预训练阶段学习边界间的上下文转换,BaSSL显著提升了视频场景分割性能。该算法在MovieNet-SSeg数据集上的测试结果表明,它具有优越的分割效果。
Video-LLaVA - 视频多模态模型,具备像素级定位能力
GithubLMMPG-Video-LLaVA像素级别定锚开源项目视频理解音频上下文
PG-Video-LLaVA通过模块化设计,首次实现视频多模态模型具备像素级定位能力。该框架使用现成的追踪器和创新的定位模块,能够根据用户指令在视频中实现空间定位。引入新的基准测试用于评估基于提示的对象定位性能,并结合音频上下文完善视频内容理解,提高在对话和新闻视频等场景中的适用性。改进的定量基准测试确保更高的透明度和可重复性。
HybridNets - 实时多任务交通场景感知网络
GithubHybridNets可行驶区域分割多任务感知开源项目目标检测车道线检测
HybridNets是一个实时多任务交通场景感知网络,集成了交通对象检测、可行驶区域分割和车道线检测功能。该网络可在嵌入式系统上实时运行,在BDD100K数据集的目标检测和车道检测任务中达到了最先进水平。HybridNets平衡了实时性能和多任务准确性,为自动驾驶和高级驾驶辅助系统提供了高效的视觉感知解决方案。
monodepth2 - 基于自监督学习的单目深度估计实现
GithubMonodepth2PyTorch开源项目深度估计自监督学习计算机视觉
本项目提供了PyTorch实现的代码,用于训练和测试深度估计模型。代码采用自监督学习方法,支持单目和立体图像的深度预测。提供多种预训练模型和自定义数据集,兼容不同的图像分辨率。适用于研究和非商业用途,包含详细的设置指南、训练和评估说明。用户可通过此项目高效开发和优化深度估计模型。
DenseCL - 改进密集预测任务的视觉预训练方法
DenseCLGithub密集预测对比学习开源项目自监督学习视觉预训练
DenseCL是一种自监督视觉预训练方法,通过密集对比学习提升模型在密集预测任务中的表现。该方法实现简洁,核心部分仅需10行代码,适配多种数据增强技术。实验表明,DenseCL在目标检测和语义分割任务中性能显著提升,同时保持训练效率。项目开源了预训练模型和使用指南,便于研究者在视觉任务中应用。
MiVOS - 交互式视频对象分割方法与差异感知融合
DAVISGithubMiVOSPyTorch交互式分割开源项目视频对象分割
该项目介绍了一种模块化的交互视频对象分割方法,通过交互生成对象掩码并采用差异感知的融合模块进行处理。该方法在DAVIS和YouTube等基准测试中表现出色,并支持用户交互的GUI工具,简化了视频对象标注过程。项目还集成了多个预训练模型,并提供了快速下载和数据生成脚本,为研究人员和开发者提供了便捷高效的解决方案。
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