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。

mmf - 多模态视觉与语言研究平台
Facebook AI研究GithubMMFPyTorch多模态研究开源项目热门视觉与语言
MMF是Facebook AI Research开发的用于视觉与语言多模态研究的模块化框架,支持PyTorch,提供分布式训练功能。该框架包括最新的视觉和语言模型实现,并已支持多项Facebook AI研究项目。MMF也是各类视觉和语言数据集挑战赛(如Hateful Memes、TextVQA、TextCaps和VQA挑战赛)的首选代码基础。
Restormer - 高效Restormer Transformer实现高分辨率图像修复
GithubRestormerTransformer图像去噪图像去雨开源项目高分辨率图像恢复
研究提出了一种名为Restormer的高效Transformer模型,通过多头注意力和前馈网络设计,实现了长距离像素交互,适用于大图像处理。该模型在图像去雨、单图像运动去模糊、散焦去模糊(单图像和双像素数据)和高斯及真实图像去噪等任务中表现优异。Restormer的训练代码和预训练模型已发布,并被选为CVPR 2022的口头报告。用户可通过Colab或命令行测试预训练模型。
latent-consistency-model - 高效快速的少步推理图像合成模型
AI绘图GithubLatent Consistency Models图像生成开源项目扩散模型深度学习
Latent Consistency Models (LCM) 是一种创新的图像生成技术,通过将分类器自由引导蒸馏到模型输入中,实现高效的少步推理。LCM支持文本到图像和图像到图像的生成,在极短时间内生成高质量图像,同时提供多种易用的演示。该技术在保持图像质量的同时显著缩短推理时间,为实时图像生成提供了新的可能性。
awesome-foundation-and-multimodal-models - 多模态与基础模型的最新研究进展
Depth AnythingEfficientSAMGithubYOLO-Worldfoundation modelmultimodal model开源项目
此页面介绍了多个最新的多模态和基础预训练模型,如YOLO-World、Depth Anything、EfficientSAM等。这些模型在图像分类、图像描述和零样本物体检测等任务中表现出色,并提供学术论文、GitHub项目和使用示例,帮助深入了解与应用这些前沿技术。
Awesome-Foundation-Models - 视觉语言基础模型精选资源库
Github基础模型多模态开源项目深度学习自然语言处理计算机视觉
Awesome-Foundation-Models项目提供视觉和语言基础模型的精选资源列表,涵盖最新研究论文、综述文章和开源代码。内容包括图像、视频和多模态等领域,助力研究者和开发者追踪前沿进展、了解研究动态和寻找实用实现。该资源库为人工智能领域提供全面而权威的参考。
ReVersion - 图像关系反演技术及其在扩散模型中的应用
GithubNanyang Technological UniversityReVersion关系反演图像生成开源项目深度学习
ReVersion框架提出了一种名为关系反演的新任务,通过从示例图像中捕捉并应用关系提示,生成新的关系特定场景。该项目支持Hugging Face集成,提供预训练模型和基准测试。最新更新包括代码优化和训练代码发布。用户只需克隆仓库并配置Conda环境,即可实现关系反演和多样化图像生成。
Imagen - 文字生成图片的AI技术
AI工具AI开发COCO FIDImagen扩散模型文本到图像模型训练热门语言模型
Imagen,一种先进的AI图片生成工具,利用深度语言理解和极致的图像真实性,实现从文字到图像的转换。此模型不仅在COCO数据集上刷新了技术记录,还通过高效的U-Net架构和强大的文本编码系统,优化了图文一致性和图像质量。鉴于潜在的社会影响和数据集偏差问题,当前未开放源代码或公共演示版本。
GenerativeModels - MONAI医学影像生成模型库推动AI医疗研究
GithubMONAI人工智能医学图像开源项目深度学习生成模型
GenerativeModels是MONAI项目的子项目,致力于医学影像生成模型的研究。它提供多种生成模型架构,如扩散模型和自编码器,以及医学影像专用的损失函数和评估指标。项目包含与MONAI兼容的训练引擎和丰富教程,支持研究人员进行图像合成、异常检测和超分辨率重建等任务。这些工具和资源有助于推进医学AI领域的发展。
VisionLLM - 面向视觉任务的开放式多模态大语言模型
GithubVisionLLM人工智能多模态大语言模型开源项目视觉语言任务计算机视觉
VisionLLM 系列是一种多模态大语言模型,专注于视觉相关任务。该模型利用大语言模型作为开放式解码器,支持数百种视觉语言任务,包括视觉理解、感知和生成。VisionLLM v2 进一步提升了模型的通用性,扩展了其在多模态应用场景中的能力,推动了计算机视觉与自然语言处理的融合。
TransnormerLLM - 使用线性注意力机制的大规模语言模型
GithubTransNormerLLM大语言模型开源项目模型权重线性注意力机制高质量语料库
TransNormerLLM是一种高效的大规模语言模型,使用线性注意力机制,优于传统的软注意力模型。该模型训练于高质量语料库,包含1.4万亿个词元,支持中文、英语和多语言基准测试,在多领域表现出色。提供385M、1B和7B参数版本,开放给学术研究,商用需申请许可。
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