litepose

高效实时多人姿态估计的单分支架构

LitePose是一种针对边缘设备的高效单分支架构，专用于实时多人姿态估计。通过融合解卷积头和大卷积核，该模型显著提升了性能。在移动平台上，LitePose将延迟降低5倍，同时保持估计精度。项目开源了预训练模型、训练脚本和评估工具，支持COCO和CrowdPose数据集。

Github

论文

介绍相关项目

TokenHMR - 基于令牌化姿态表示的人体网格重建新方法

GithubTokenHMR人体网格恢复姿态表示开源项目深度学习计算机视觉

TokenHMR采用阈值自适应损失缩放和令牌预测技术,通过令牌化和TokenHMR两个阶段提高3D人体网格重建精度。该方法在图像对齐和3D姿态估计方面均有良好表现,可用于图像和视频处理,对人体姿态和形状估计研究具有重要意义。

tf_efficientnet_lite0.in1k - 轻量级EfficientNet-Lite模型实现高效图像分类与特征提取

EfficientNet-LiteGithubHuggingfaceImageNet-1k图像分类开源项目模型模型对比特征提取

EfficientNet-Lite0是一款专为高效图像分类和特征提取设计的模型，经过ImageNet-1k训练。该模型已被迁移至PyTorch，并利用timm库进行图像嵌入和特征图提取。在4.7M参数和0.4 GMACs的架构下，实现了高效性能与计算资源节约，适合作为多种视觉任务的解决方案。

nanodet - 轻量级移动设备实时目标检测模型

GithubNanoDet-Plus实时检测开源项目移动设备轻量级模型高准确率

NanoDet-Plus 是一款超轻量级高精度的无锚目标检测模型，专为移动设备实时检测设计。其模型文件仅有980KB（INT8）或1.8MB（FP16），在ARM CPU上实现97fps检测速度，精度达34.3 mAP@0.5:0.95。NanoDet-Plus 训练友好，GPU内存占用低，支持ncnn、MNN、OpenVINO等多种后端，提供基于ncnn的安卓演示。此模型在COCO数据集上提升了7 mAP，支持多种分辨率和配置，满足不同场景需求。

controlnet-openpose-sdxl-1.0 - 基于SDXL的OpenPose人体姿态控制模型

GithubHuggingfaceOpenPoseSDXL-controlnetStable Diffusion人工智能绘画图像生成开源项目模型

这是一个基于Stable Diffusion XL的ControlNet模型，专门用于OpenPose人体姿态控制。通过人体骨骼图，用户可以精确控制生成图像中的人物姿势。该模型支持Diffusers和ComfyUI框架，可用于创建多种姿势的人物图像。模型在LAION数据集上训练，具有良好的性能。

LITv2 - 基于HiLo注意力的快速视觉Transformer

GithubHiLo注意力LITv2图像分类开源项目目标检测视觉Transformer

LITv2是一种基于HiLo注意力机制的高效视觉Transformer模型。它将注意力头分为两组,分别处理高频局部细节和低频全局结构,从而在多种模型规模下实现了优于现有方法的性能和更快的速度。该项目开源了图像分类、目标检测和语义分割任务的预训练模型和代码实现。

qinglong_controlnet-lllite - 轻量级动漫图像控制模型集成多种处理功能

AI绘画ControlNet-LLLiteGithubHuggingface图像处理开源项目模型模型训练深度学习

ControlNet-LLLite是一套基于ControlNet架构的轻量级图像控制模型，针对动漫图像处理进行了优化。它支持动漫人物面部分割、线条提取、深度图生成和色彩重构等功能。项目提供多个预训练模型，如AnimeFaceSegment、Normal和T2i-Color，可与ComfyUI和SD-WebUI集成。这套工具适用于需要精确控制动漫图像生成和编辑的场景。

FollowYourPose - 基于姿态和文本的自动视频生成技术

AAAI 2024AI生成Follow-Your-PoseGithub姿态控制开源项目文本生成视频

FollowYourPose项目提出了一种新方法，可以通过姿态和文本生成视频。该方法采用两阶段训练方案，利用易获取的数据集和预训练的文本到图像模型，生成可编辑且姿态可控的角色视频。第一阶段通过关键点图像对进行文本到图像的生成，第二阶段利用姿态自由视频数据集微调网络，成功生成连续的姿态可控角色视频，同时保留预训练模型的编辑和概念组合能力。

lotus-depth-g-v1-0 - 新一代视觉深度预测与密集估计模型

GithubHuggingfaceLotus密集预测开源项目扩散模型模型深度预测视觉基础模型

Lotus是一个开源的视觉基础模型，主要用于图像深度估计和密集预测任务。该项目提供完整的模型实现和在线演示平台，可应用于3D场景重建、深度感知等计算机视觉领域。模型采用Apache-2.0许可协议发布，支持学术研究和商业应用开发。

clip-vision-model-tiny - 轻量级AI图像处理与分析视觉模型

GithubHuggingfaceMIT协议代码许可开源协议开源项目模型许可证软件授权

基于MIT许可证开发的轻量级图像视觉模型，采用紧凑架构设计，具备高效的图像处理和分析能力。该开源项目适用于快速部署场景，可在资源受限环境中保持准确的图像识别表现。

Depth-Anything-V2-Small - 先进高效的开源深度估计工具

Depth-Anything-V2GithubHuggingface图像处理开源项目机器学习模型深度估计计算机视觉

Depth-Anything-V2-Small是一个开源的单目深度估计模型，基于大规模合成和真实图像数据训练。相比前代产品，该模型提供更精细的深度细节和更强的鲁棒性。它比同类基于稳定扩散的模型运行速度快10倍，且更加轻量化。模型支持高效的图像深度推断，可用于各种计算机视觉应用场景。

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。

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