Project Icon

metaformer

一系列视觉基线模型

MetaFormer项目推出多款视觉基线模型,包括IdentityFormer、RandFormer、ConvFormer和CAFormer。这些模型在ImageNet-1K数据集上表现出色,根据不同的token mixer架构,如身份映射、全局随机混合、可分离深度卷积和自注意机制,在224x224分辨率下的Top-1准确率均超过80%。特别是CAFormer,在无外部数据或蒸馏的条件下,达到85.5%的准确率记录。这些模型已集成到timm库中,方便应用和扩展。

MP-Former - 基于mask-piloted机制的先进图像分割模型
CVPR 2023GithubMP-FormerMask2FormerTransformer图像分割开源项目
MP-Former是一种新型图像分割transformer模型,采用mask-piloted机制改进分割效果。项目包含训练和评估代码,适用于实例分割和全景分割任务。基于Mask2Former架构开发,在COCO数据集上展现出良好性能。项目提供了复现论文实验的脚本,为计算机视觉研究提供参考实现。MP-Former在CVPR 2023上发表,提供了no noise和all-layer MP训练设置,12轮训练后在实例分割任务上达到40.15 AP。项目代码开源,安装过程与Mask2Former相同,便于研究者快速上手和进行进一步探索。
mask2former-swin-large-mapillary-vistas-panoptic - Mask2Former:集实例、语义和全景分割于一体的图像分割模型
GithubHuggingfaceMask2Former图像分割开源项目模型深度学习计算机视觉语义分割
Mask2Former是一个基于Swin主干网络的高级图像分割模型,在Mapillary Vistas数据集上训练用于全景分割。它通过预测掩码和标签集合,统一处理实例、语义和全景分割任务。该模型采用改进的Transformer架构和高效训练策略,性能和效率均优于先前的MaskFormer。Mask2Former为各类图像分割应用提供了强大支持,推动了计算机视觉技术的进步。
mindformers - 全流程大模型开发套件
GithubMindSporeTransformers大模型开源项目自然语言处理计算机视觉
MindFormers是基于MindSpore的大模型开发套件,提供全流程开发能力。支持LLama2、GLM2、BERT等主流Transformer模型和文本生成、图像分类等任务。具备并行训练、灵活配置、自动优化等特性,可实现从单卡到集群的无缝扩展。提供高阶API和预训练权重自动下载,便于AI计算中心快速部署。
maskformer-swin-large-ade - MaskFormer模型提升语义分割效率与精确度的创新方案
ADE20kGithubHuggingfaceMaskFormerpanoptic分割实例分割开源项目模型语义分割
MaskFormer通过ADE20k数据集训练,利用Swin结构提升语义、实例和全景分割性能。该模型适用于多种分割任务,采用统一的掩码及标签预测方式处理三类分割,促进图像细分任务的研究和应用,如建筑物和场景的精确分割。项目由Hugging Face团队支持,可在模型中心找到其他版本进行适用性调优。
RestoreFormer - 盲脸修复的跨域注意力模型
GithubRestoreFormer++人脸修复开源项目深度学习盲恢复高质量
RestoreFormer利用多头交叉注意力层实现高质量盲脸修复,其特点是从高质量字典中提取关键-值对用于面部重建。2023年9月项目添加了在线演示和更用户友好的推理方法,2023年1月新增了测试数据集。源代码和资源在GitHub提供,并包含详细的数据集准备和模型训练指南,支持多种评估指标。
DAFormer - 提升域适应语义分割的网络架构与训练策略
DAFormerGithubTransformer域自适应语义分割开源项目网络架构语义分割
通过Transformer编码器和多级上下文感知特征融合解码器,显著提升域适应语义分割性能。DAFormer使用稀有类采样、ImageNet特征距离和学习率预热等策略,提升GTA→Cityscapes和Synthia→Cityscapes的分割效果,并扩展至域泛化领域。在多个UDA基准上,DAFormer显著超越了前沿方法,成为领域推广和不受目标图像限制的语义分割任务中新的性能标杆。
BEVFormer - 多摄像头鸟瞰图学习框架助力自动驾驶感知
BEVFormerGithub多相机感知开源项目目标检测自动驾驶鸟瞰图表示
BEVFormer是一个用于自动驾驶感知的开源框架,通过时空Transformer从多摄像头图像中学习统一的鸟瞰图表示。该方法利用预定义的网格查询,结合空间交叉注意力和时间自注意力机制,有效聚合多视角的空间和时序信息。在nuScenes测试集上,BEVFormer达到56.9%的NDS指标,显著超越现有方法,与激光雷达系统性能相当。这一创新为基于纯视觉的3D目标检测提供了新的基准。
actionformer_release - 基于Transformer的高精度动作时刻定位模型
ActionFormerActivityNetGithubTHUMOS14Transformer开源项目时序动作定位
actionformer_release是一个基于Transformer的动作定位模型,能够检测动作实例的起止点并识别动作类别。在THUMOS14数据集上,该模型取得了71.0%的mAP,超越之前的最佳模型14.1个百分点,并首次突破60%的mAP。此外,该模型在ActivityNet 1.3和EPIC-Kitchens 100数据集上也取得了优异成绩。该项目设计简洁,通过局部自注意力机制对未剪辑视频进行时间上下文建模,并可一次性精确定位动作时刻。代码和预训练模型已开源,可供下载和试用。
ModuleFormer - 高效可扩展的模块化语言模型架构
GithubMoLMModuleFormer大语言模型开源项目模块化稀疏激活
ModuleFormer是一种新型MoE架构,结合棒断注意力头和前馈专家两种专家类型。通过稀疏激活,实现高效性、可扩展性和专业化。基于此架构的MoLM语言模型系列,参数规模40亿到80亿不等,在提高吞吐量的同时保持性能,易于扩展新知识和针对特定任务优化。MoLM在多项基准测试中展现出优秀的效率和性能。
toolformer-pytorch - 语言模型自主学习工具使用,提高API调用效率
API调用GithubMetaAIPytorchStability.aiToolformer开源项目
Toolformer-Pytorch是由MetaAI开发的开源项目,旨在使语言模型能够自主调用API工具来完成任务。得益于Stability.ai的支持和开源社区的贡献,该项目显著提升了语言模型对工具的理解和使用能力。无论是时间查询还是简单的数学运算,Toolformer都表现出色,同时通过优化和微调,降低了文本困惑度。安装简单,适用于各种Python环境。
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

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。

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