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

HumanBench - 推动人体感知基础模型研究进展

CVPRGithubHumanBench人体感知基础模型开源项目计算机视觉

HumanBench项目致力于开发通用人体感知基础模型，包含PATH和UniHCP两个子项目，均发表于CVPR 2023。该项目采用投影辅助预训练技术，旨在提升模型性能，为计算机视觉领域提供新的研究方向。项目代码已开源，上海人工智能实验室正在招募相关研究人员和工程师，共同推进人体感知基础模型的研究。

FCOS - 完全卷积单阶段对象检测技术

FCOSGithubResNet-50卷积神经网络开源项目性能提升目标检测

FCOS算法是一种完全卷积的单阶段对象检测方法，通过避免使用锚点框，提高了检测性能和速度。在COCO minival数据集上，FCOS实现了46FPS和40.3的AP评分，并在各种模型和硬件上表现出色，包括ResNe(x)t和MobileNet等。与Faster R-CNN相比，FCOS在ResNet-50平台上表现更佳（38.7对36.8的AP），且训练和推理时间更短。该项目已基于Detectron2实现，并引入了多项优化和改进。

VoxPoser - 使用语言模型的3D机器人操作轨迹合成系统

3D价值地图GithubVoxPoser开源项目机器人操作语言模型轨迹合成

VoxPoser是一个3D机器人操作轨迹合成系统，结合大型语言模型和视觉语言模型实现零样本任务执行。该项目在RLBench环境中实现，无需训练数据即可生成复杂操作轨迹。系统通过语言模型程序（LMPs）递归生成代码，分解指令并为子任务组合价值图。VoxPoser包含接口、规划器和控制器等核心组件，用于规划和执行机器人操作任务。

MotionLLM - 融合视频和动作数据的人类行为理解先进AI模型

GithubMotionLLM人工智能人类行为理解多模态学习大语言模型开源项目

MotionLLM是一个人类行为理解框架，通过融合视频和动作序列数据来分析人类行为。该项目采用统一的视频-动作训练策略，结合粗粒度视频-文本和细粒度动作-文本数据，以获得深入的时空洞察。项目还包括MoVid数据集和MoVid-Bench评估工具，用于研究和评估人类行为理解。MotionLLM在行为描述、时空理解和推理方面展现出优越性能，为人机交互和行为分析研究提供了新的方向。

Depth-Anything-V2-Large - 单目深度估计新突破：高精度细节与高效性能的完美平衡

Depth Anything V2GithubHuggingface图像处理开源项目模型深度估计神经网络计算机视觉

Depth-Anything-V2-Large是一款基于大规模数据训练的单目深度估计模型。该模型通过595K合成标记图像和62M+真实未标记图像的训练，在细节精度和鲁棒性方面超越了前代版本。与基于SD的模型相比，它不仅更加高效和轻量，处理速度提升了10倍，还在预训练基础上展现出优秀的微调能力。这一模型为计算机视觉领域提供了性能卓越的深度估计解决方案。

deepsparse - 优化CPU上深度学习推理的高效稀疏性使用

CPU推理DeepSparseGithubLLM支持开源项目模型量化稀疏性

DeepSparse是一个专为CPU优化的深度学习推理运行时，通过使用稀疏性显著加快模型推理速度。结合SparseML优化库，DeepSparse支持模型剪枝和量化，在CPU上实现卓越性能。支持各种计算机视觉和自然语言处理模型，包括BERT、ViT、ResNet、YOLOv5/8等。此外，DeepSparse现已支持高效的LLM推理，对稀疏量化模型实现多倍加速。可通过PyPI安装，并提供多种API便于部署。

hmr-survey - 单目图像3D人体网格模型重建技术综述

3D人体网格重建Github人体建模单目图像开源项目深度学习计算机视觉

本文综述了单目图像3D人体网格模型重建技术的最新进展。文章详细介绍了基于优化和基于回归两种主要方法,分析其优缺点,并总结相关数据集、评估指标和基准结果。同时讨论了该领域的开放问题和未来方向,为研究人员提供全面的技术概览。

WHAM - 基于世界坐标系的高精度3D人体动作重建技术

3D人体重建GithubWHAM人体姿态估计开源项目深度学习计算机视觉

WHAM是一种创新的3D人体动作重建技术，能在世界坐标系中精确重现人体动作。该技术基于PyTorch平台，整合了视觉变换器和SLAM技术，可从单一视频中提取精确的人体运动和姿态数据。WHAM在3DPW和EMDB等多个基准数据集上展现出卓越性能，为人体动作分析和计算机视觉研究开辟了新途径。

HumanArt - 多场景人体数据集助力计算机视觉研究

GithubHuman-Art人体姿态估计人工智能开源项目数据集计算机视觉

Human-Art数据集包含50,000张来自20个场景的图像,涵盖自然和人工环境中的2D和3D人体表现。该数据集提供人体边界框、21个2D关键点、自接触关键点和描述文本等标注,旨在推进多场景人体检测、姿态估计和3D重建等任务。Human-Art的多样性有助于提高模型在实际应用中的特征提取和人体理解能力,同时支持跨域应用和可控人体图像生成。

yolov5-face - 基于YOLOv5框架的实时高精度人脸检测

BlazeFaceGithubMulti-Task-FacialTensorRTYOLOv5-facencnn-android-yolov8-face开源项目

基于YOLOv5框架的实时高精度人脸检测。该项目展示了不同版本（包括YOLOv5、YOLOv7、YOLOv8）在人脸检测中的性能表现，不同难度和硬件环境下的测试结果。提供了多种开源演示和预训练模型下载链接，支持多个平台如TensorRT、Android、OpenCV等。详细的训练和评估指南帮助用户在WIDERFace数据集上进行测试和验证。

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