Project Icon

upernet-swin-large

Swin Transformer 与 UperNet 结合的语义分割方法

UperNet 利用 Swin Transformer 大型网络进行语义分割,框架包含组件如主干网络、特征金字塔网络及金字塔池模块。可与各种视觉主干结合使用,对每个像素预测语义标签,适合语义分割任务,并可在 Hugging Face 平台找到特定任务的优化版本。通过 Swin Transformer 与 UperNet 的结合,用户可在场景理解中实现精确的语义分割。

sam-vit-huge - SAM 革新性的通用图像分割模型
AI模型GithubHuggingfaceSAM图像分割开源项目模型深度学习计算机视觉
Segment Anything Model (SAM) 是Facebook Research开发的先进图像分割模型。它能根据点或框等简单提示生成精确的对象蒙版,在1100万图像和11亿蒙版的大规模数据集上训练。SAM具备强大的零样本迁移能力,可应用于多种分割任务。模型由视觉编码器、提示编码器和蒙版解码器构成,既可生成单个目标蒙版,也能自动分割整图所有对象。SAM为计算机视觉领域带来了新的可能性。
sentence-transformers - 多语言文本和图像嵌入向量生成框架
GithubSentence Transformers向量表示开源项目深度学习自然语言处理预训练模型
sentence-transformers是一个基于transformer网络的框架,用于生成句子、段落和图像的向量表示。该项目提供了多语言预训练模型,支持自定义训练,适用于语义搜索、相似度计算、聚类等场景。这个开源工具在自然语言处理和计算机视觉任务中表现出色,为研究人员和开发者提供了便捷的嵌入向量生成方案。
PointTransformerV3 - 先进的点云处理框架
GithubPoint Transformer V3开源项目深度学习点云处理计算机视觉语义分割
PointTransformerV3是一个创新的点云处理框架,在多个基准测试中展现出卓越性能。该项目优化了模型结构,提升了运行速度和处理能力。它适用于室内外场景的语义分割,通过多数据集预训练进一步增强了效果。研究人员可利用开源代码和预训练模型轻松复现结果或应用于自身项目。
TransformerHub - 实现与参考多种Transformer模型
BERTGPTGithubTransformerTransformerHubViT开源项目
此项目实现了多种Transformer架构,包括seq2seq、仅编码器、仅解码器和统一模型,旨在提高编程技能并提供深度学习参考。特色包括多种Attention模块、位置嵌入和采样方法,当前进展是实现DINO模型。项目受到多个开源项目的启发和支持。
X-Decoder - 像素、图像和语言的统一解码模型
GithubX-Decoder图像分割多任务学习开放词汇分割开源项目计算机视觉
X-Decoder是一个通用解码模型,可生成像素级分割和标记级文本。该模型在多个数据集上实现了开放词汇分割和指代分割的最佳结果,在分割和视觉语言任务上表现出色。X-Decoder支持语义、实例和全景分割,以及图像描述、图像-文本检索等多种任务。此外,它还能进行区域检索、指代描述、图像编辑等零样本任务组合。
FreeU - 扩散模型性能免费提升方法
AI优化FreeUGithub图像生成开源项目扩散模型深度学习
FreeU是一种无需额外训练或资源的扩散模型优化方法。通过调整U-Net架构中的backbone和skip connection,它显著提升了样本质量。这一技术适用于SD1.4、SD1.5、SD2.1和SDXL等多种模型,为AI图像生成领域带来重要进展。FreeU的创新性获得了CVPR2024口头报告的认可。
CrossFormer - 融合跨尺度注意力的高效视觉Transformer
CrossFormer++Github图像分类开源项目目标检测视觉Transformer跨尺度注意力
CrossFormer++是一种创新的视觉Transformer模型,通过跨尺度注意力机制解决了不同尺度对象特征间建立关联的问题。该模型引入跨尺度嵌入层和长短距离注意力等设计,并采用渐进式分组策略和激活冷却层来平衡性能与计算效率。在图像分类、目标检测和语义分割等视觉任务中表现优异,尤其在密集预测任务中效果显著。CrossFormer++为计算机视觉领域提供了一种灵活高效的新型架构。
HorNet - 基于递归门控卷积的高效视觉骨干网络
GithubHorNetImageNetPyTorchRecursive Gated Convolution开源项目高阶空间交互
HorNet是一个基于递归门控卷积的视觉骨干网络家族,专注于高效的高阶空间交互。项目提供了多个在ImageNet数据集上训练和评估的模型,如HorNet-T、HorNet-S和HorNet-B,广泛应用于图像分类和点云理解等领域。项目页面提供详细的训练和评估说明及模型下载链接。HorNet在提升图像和3D对象分类精度方面表现优异,是计算机视觉研究中的重要工具。
sat-3l-sm - 基于Transformer的多语言句子分割模型
GithubHuggingfaceTransformerwtpsplit分词多语言开源项目模型自然语言处理
sat-3l-sm是一个基于3层Transformer架构的句子分割模型,支持80种语言的文本分段。作为wtpsplit库的核心组件,该模型采用MIT许可证开源。sat-3l-sm源于'Segment any Text'研究,为自然语言处理提供准确的句子边界检测功能。
panoptic-segment-anything - 零样本全景分割融合SAM、Grounding DINO和CLIPSeg的创新方法
CLIPSegGithubGrounding DINOSAM实例分割开源项目零样本全景分割
panoptic-segment-anything项目提出了一种创新的零样本全景分割方法。该方法巧妙结合Segment Anything Model (SAM)、Grounding DINO和CLIPSeg三个模型,克服了SAM在文本感知和语义分割方面的局限性。项目提供Colab notebook和Hugging Face Spaces上的Gradio演示,方便用户体验这一pipeline。此外,预测结果可上传至Segments.ai进行微调,为计算机视觉研究开辟了新的可能性。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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