Project Icon

umi-on-legs

四足机器人操作技能的全身控制框架

UMI on Legs项目为四足机器人与机械臂结合提供了可扩展的操作技能框架。该框架整合真实人类示范和模拟训练的全身控制器,实现视觉运动策略在四足机器人上的应用。项目涵盖全身控制器模拟训练、实际部署、iPhone里程计应用、UMI真实环境类和ARX5 SDK等组件,为机器人操作研究提供综合解决方案。

Uni3D - 突破性统一3D表示学习框架
3D表示GithubUni3D开源项目点云零样本分类预训练
Uni3D是一个创新的3D预训练框架,致力于大规模3D表示学习。该框架采用2D预训练模型初始化,通过端到端训练实现3D点云与图像-文本特征对齐。Uni3D凭借简洁架构和高效预训练,成功将模型规模扩展至10亿参数,在多项3D任务中取得突破性进展,展现了将2D深度学习优势迁移至3D领域的巨大潜力。
unified-io-2 - 跨模态人工智能的开源新标杆
GithubUnified-IO 2人工智能多模态模型开源项目机器学习深度学习
Unified-IO 2是一个开源的多模态AI框架,集成视觉、语言、音频和动作处理能力。项目提供完整代码支持演示、训练和推理,适用于TPU和GPU环境。基于T5X优化,内含多规格预训练模型和丰富数据集。其跨模态学习和生成能力为AI研究与应用提供了新的可能性。项目采用模块化设计,便于研究人员和开发者进行二次开发和定制。Unified-IO 2支持多种数据格式和预处理流程,为不同任务场景提供灵活解决方案。其开源性质促进了AI社区的协作与创新,为多模态AI技术的进步做出贡献。
rosa - 基于自然语言的ROS机器人控制代理
AI代理GithubROSROSA开源项目机器人操作系统自然语言交互
ROSA是一款为ROS1和ROS2机器人系统开发的AI代理。它通过自然语言处理技术实现对话式机器人控制和管理。ROSA具备系统报告生成、日志分析和参数设置等功能,可适配多种机器人平台。作为机器人研发的实用工具,ROSA正在开发多模态模型和语音控制等新特性。
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。
VirtualMotionCapture - VR动作捕捉应用实现3D模型实时控制
GithubVRM模型VR游戏VirtualMotionCapture动作捕捉开源项目虚拟摄像机
VirtualMotionCapture是一款VR动作捕捉应用,可在VR游戏中实时控制3D模型。支持3-10点全身追踪,无需额外设备即可展示动态姿势。兼容VRM模型文件,可与VR游戏同时运行。支持多种追踪配置,包括HMD、手柄和多个追踪器。提供设备分配、相机控制和快捷键设置功能,适用于多种VR设备。
RoHM - 基于扩散模型的稳健人体运动重建系统
AMASS数据集GithubRoHMSMPL-X人体动作重建开源项目扩散模型
RoHM是一个基于扩散模型的人体运动重建系统。它可以从含噪声和遮挡的输入数据中,在统一的全局坐标系下重建完整合理的人体运动。该系统将任务分为全局轨迹和局部运动两部分,并采用创新的条件模块捕捉二者关联。RoHM在多个标准数据集上表现优异,为人体运动重建研究提供了新的解决方案。
SystemAnimatorOnline - AI驱动的实时全身动作捕捉与虚拟形象动画
3D建模ARGithubVTubingXR Animator动作捕捉开源项目
XR Animator是一款基于AI技术的全身动作捕捉应用,利用单个网络摄像头实现实时动作追踪并驱动3D虚拟形象。该应用支持面部、手部和全身动作捕捉,兼容MMD和VRM模型,可在桌面和移动端浏览器中使用。XR Animator还提供AR功能、动作录制导出和自定义3D场景等特性,为VTubing和元宇宙创作者提供丰富的虚拟互动工具。
UFO - Windows系统的UI自动化多代理框架
AppAgentGithubHostAgentUFOWindows OS多代理框架开源项目
UFO是一个专为Windows系统设计的多代理框架,通过在单个或多个应用程序中无缝导航和操作来完成用户请求。其主要功能包括:HostAgent选择和切换应用程序,AppAgent在选定应用程序中执行操作直到任务完成,Application Automator将操作转换为应用程序交互。UFO利用GPT-Vision的多模态能力理解界面并满足用户需求。
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。
OnePose_Plus_Plus - 关键点自由的单次目标姿态估计方法
3D重建GithubOnePose++开源项目物体姿态估计神经网络计算机视觉
OnePose++是一种目标姿态估计方法,无需CAD模型和预定义关键点。该方法通过结构光重建和深度学习,实现单次拍摄即可估计物体姿态。项目提供训练、推理和演示代码,支持OnePose和OnePose_LowTexture数据集,可扩展至LINEMOD数据集。OnePose++在计算机视觉和机器人领域有潜在应用价值。
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