DUSt3R_ViTLarge_BaseDecoder_512_dpt

ViT架构的多分辨率3D几何视觉模型用于深度估计

计算机视觉 Github 开源项目三维视觉 DUSt3R 模型 Huggingface 深度学习图像处理

该模型使用ViT-Large编码器和ViT-Base解码器构建，采用DPT结构设计。支持处理512x384至512x160等多种分辨率图像，为3D几何视觉提供简化实现方案。开发者可通过PyTorch快速部署使用，模型由NAVER开源并遵循CC BY-NC-SA 4.0许可协议。

vit_base_patch16_224.orig_in21k - Vision Transformer图像特征提取模型无分类头版本

GithubHuggingfaceVision Transformertimm图像分类开源项目模型特征提取预训练模型

vit_base_patch16_224.orig_in21k是一个基于Vision Transformer架构的图像特征提取模型，在ImageNet-21k数据集上预训练。模型采用16x16图像块处理，支持224x224输入尺寸，包含8580万参数。移除分类头设计使其专注于特征提取，适合迁移学习和微调。通过timm库可轻松应用于图像分类和特征提取任务，为计算机视觉研究提供有力支持。

Vision-RWKV - 基于RWKV架构的高效视觉感知模型

GithubVision-RWKV图像处理开源项目深度学习神经网络计算机视觉

Vision-RWKV是一种基于RWKV架构的视觉感知模型。该模型可高效处理高分辨率图像，具有全局感受野，并通过大规模数据集预训练实现良好扩展性。在图像分类任务中，Vision-RWKV性能超越ViT模型；在密集预测任务中，它以更低计算量和更快速度胜过基于窗口的ViT，并与全局注意力ViT相当。Vision-RWKV展现出成为多种视觉任务中ViT替代方案的潜力。

vit_base_patch32_224.augreg_in21k_ft_in1k - 基于ViT架构的图像分类模型，兼容PyTorch

GithubHuggingfaceImageNetViTVision Transformerstimm图像分类开源项目模型

ViT图像分类模型在ImageNet-21k上训练并在ImageNet-1k上微调，采用数据增强和正则化，适用于图像识别和特征提取。模型包含88.2M参数，通过PyTorch实现，支持多种应用场景。

nvdiffrec - 从多视角图像优化3D模型的拓扑结构、材质和光照

3D模型GithubNVIDIANeRFPyTorchnvdiffrec开源项目

本项目旨在从多视角图像优化3D模型的拓扑结构、材质和光照，基于论文《从图像中提取三角形3D模型、材质和光照》的方法。项目新增支持FlexiCubes技术，并简化代码，保持原有运行性能。需要Python 3.6+及CUDA 11.3+环境，主要适用于高端NVIDIA GPU。提供多种配置和示例，包括NeRF合成数据集及NeRD数据集，并有详细的安装和使用教程，适合从事3D深度学习研究的开发者和学者。

Depth-Anything - 大规模无标注数据驱动的强大单目深度估计模型

Depth AnythingGithub人工智能图像处理开源项目深度估计计算机视觉

Depth Anything是一款基于大规模数据训练的单目深度估计模型。它利用150万标注图像和6200万无标注图像进行训练,提供小型、中型和大型三种预训练模型。该模型不仅支持相对深度和度量深度估计,还可用于ControlNet深度控制、场景理解和视频深度可视化等任务。在多个基准数据集上,Depth Anything的性能超越了此前最佳的MiDaS模型,展现出优异的鲁棒性和准确性。

normal-depth-diffusion - 通用法线深度扩散模型实现高细节3D生成

3D模型AI生成GithubNormal-Depth Diffusion Model图像生成开源项目深度学习

Normal-Depth Diffusion Model是一个创新的文本到3D生成模型，采用法线深度扩散技术生成细节丰富的3D模型。该项目支持单视图和多视图生成，提供预训练权重、推理和训练代码，以及Objaverse数据集的多视图渲染图像。这一模型为3D内容创作开辟新途径，可应用于艺术设计等多个领域。

3D-BoundingBox - 使用深度学习与几何方法，实现高效的3D边界框估计

3D Bounding BoxGithubKittiPyTorchYOLOv3开源项目深度学习

项目提供基于PyTorch的深度学习解决方案，通过结合YOLOv3和2D-3D几何转换，实现高效3D边界框估计。主要功能包括下载预训练权重、通过视频和图像数据进行模型推理和训练，依赖PyTorch和其他深度学习库。项目未来计划是在Kitti数据集上训练自定义YOLO网络和姿态可视化。目前版本每帧处理时间约为0.4秒，并计划进一步提升速度。文档中详细介绍了模型训练步骤及实际应用操作。

GPT4Point - 用于点语言理解和生成的统一框架

3D点云CVPR2024GPT4PointGithub开源项目生成框架语言理解

GPT4Point项目提供了一个统一框架，用于三维点云与语言的理解和生成，涵盖3D多模态模型、Pyramid-XL自动注释引擎和新的对象级点云基准。项目包含3D多语言模型和控制下的3D生成，包含超过100万个不同详细程度的数据对，并设立了全面的3D点云语言任务评估指标。v1.0版本包含训练和三维描述生成的评估代码。

fast-DiT - 改进PyTorch实现的可扩展扩散模型转换器

DiTGithubPyTorchTransformer图像生成开源项目扩散模型

fast-DiT 项目提供了扩散模型转换器（DiT）的改进 PyTorch 实现。该项目包含预训练的类条件 DiT 模型、Hugging Face Space 和 Colab 笔记本，以及优化的训练脚本。通过采用梯度检查点、混合精度训练和 VAE 特征预提取等技术，显著提升了训练速度和内存效率。这一实现为研究人员和开发者提供了探索和应用扩散模型的有力工具。

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