Project Icon

SimpleView

高效点云形状分类的新基线方法

SimpleView项目重新审视点云形状分类问题,提出基于多视图的简单高效方法。在ModelNet40和ScanObjectNN等标准3D点云数据集上实现最先进性能,为点云处理和机器学习研究提供新基准。项目开源代码和模型,便于复现和进一步研究。

Awesome-Monocular-3D-detection - 最新单目3D物体检测的研究进展与资源汇总
3D检测CVPRGithubMonocular 3D Object DetectionPytorch开源项目深度学习
了解单目3D物体检测的最新研究进展,页面涵盖2024至2016年的相关学术论文,并持续更新。您可浏览详细的文章列表,涉及单目3D检测领域的各种关键主题和方法。此外,网站还提供Pytorch代码,方便研究和应用。适合研究人员、开发人员和单目3D检测领域的爱好者。
VisionLLaMA - 基于LLaMA的统一视觉模型,为图像生成和理解设立新基准
GithubVisionLLaMA图像理解图像生成开源项目计算机视觉预训练模型
VisionLLaMA是一个基于LLaMA架构的统一视觉Transformer模型,专为处理2D图像而设计。该模型提供平面和金字塔两种形式,适用于广泛的视觉任务,包括图像感知和生成。通过各种预训练范式的广泛评估,VisionLLaMA在多项图像生成和理解任务中展现出卓越性能,超越了现有最先进的视觉Transformer模型,为计算机视觉领域提供了新的基准。
cleanvision - 图像数据集问题自动检测工具,提升计算机视觉项目质量
CleanVisionGithub图像数据集开源项目数据质量数据问题检测计算机视觉
CleanVision是一个开源的图像数据集审核工具,能自动检测模糊、曝光不当和重复等常见问题。它为计算机视觉项目提供了数据预处理解决方案,支持多种图像格式,适用于分类、分割和对象检测等任务。开发者只需几行Python代码即可快速审核数据集,有助于提高机器学习模型的训练质量。
stable-fast-3d - 通过单图生成低多边形UV贴图3D模型的高速大规模重建技术
GithubHuggingfaceStability AIStable Fast 3D企业许可图像到3D安全措施开源项目模型
Stable Fast 3D是由Stability AI开发的一种利用Transformer架构的图像到3D转换模型,能够通过512x512像素的单幅图像快速生成低多边形贴图的3D模型。这些模型适用于游戏引擎和渲染等应用环境,广泛应用于艺术创作、教育工具和设计流程。模型基于Objaverse数据集进行训练,为年收入低于100万美元的用户提供Community License下的免费商业使用权限,而超过此收入的商业用户需申请企业许可。
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。
Depth-Anything-V2-Small-hf - 单目深度估计新标杆 精细、稳健且高效
Depth Anything V2GithubHuggingface人工智能图像处理开源项目模型深度估计计算机视觉
Depth-Anything-V2-Small-hf是一款基于DPT架构和DINOv2主干的先进单目深度估计模型。经过大规模合成和真实图像训练,它在细节精度和稳健性上超越了前代产品。相比基于稳定扩散的模型,该模型速度提升10倍,且更为轻量。它在零样本深度估计任务中表现卓越,可广泛应用于3D重建和场景理解等领域。研究者和开发者可通过Transformers库便捷地集成和使用这一模型。
Depth-Anything-V2 - 单目深度估计新突破,高精度与快速推理并重
Depth Anything V2Github开源项目深度估计计算机视觉预训练模型
Depth-Anything-V2是单目深度估计领域的新进展。该模型在细节表现和鲁棒性上显著优于V1版本,并在推理速度、参数量和深度精度方面超越了基于SD的模型。项目提供四种预训练模型,适用于相对和度量深度估计,可处理图像和视频。此外,发布的DA-2K基准为深度估计研究设立了新标准。
ScanNet - 包含2.5百万视图的RGB-D视频数据集及其3D重建
3D重建BundleFusionGithubRGB-D视频数据集ScanNet开源项目语义分割
ScanNet是一个丰富的RGB-D视频数据集,包含超过1500次扫描和2.5百万个视图,包括3D相机姿态、表面重建和实例级语义分割标签。用户需通过机构邮箱填写使用协议以下载数据。数据按RGB-D序列组织,包含多种格式的重建网格和注释文件。附带工具有ScanNet C++工具包、相机参数估计代码和网格分割代码。本数据集支持多项场景理解基准任务,并提供相关代码与文档。
ViTamin - 推动计算机视觉进入新时代的可扩展视觉语言模型
GithubViTamin图像处理开源项目深度学习视觉语言模型计算机视觉
ViTamin是一系列可扩展的视觉语言模型,在图像分类、开放词汇检测和分割等任务上取得突破。以436M参数量在DataComp-1B数据集训练,实现82.9%的ImageNet零样本准确率。在7个开放词汇分割基准测试中创新纪录,并提升大型多模态模型能力。获timm和OpenCLIP官方支持,提供简单接口。ViTamin为计算机视觉领域带来新的可能性。
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