Project Icon

MTR

自动驾驶多模态运动预测的先进框架

MTR项目是一个创新的多模态运动预测框架,专为自动驾驶场景设计。它通过全局意图定位和局部运动细化的联合优化来进行运动预测,采用可学习的运动查询对处理不同的运动模式。在Waymo开放运动数据集的评测中,MTR在边缘和联合运动预测任务上均表现出色,位居排行榜首位。该框架以其简洁性、高效性和准确性为自动驾驶领域的多模态运动预测提供了一个有力的基准。

TopoNet - 自动驾驶场景拓扑推理的图神经网络方法
GithubOpenLane-V2TopoNet图神经网络场景拓扑推理开源项目自动驾驶
TopoNet是一个端到端框架,用于推理自动驾驶场景中车道中心线和交通元素间的连接关系。该框架采用图神经网络和知识图结构,整合异构特征并加强特征交互。TopoNet在OpenLane-V2数据集上展现了领先性能,为自动驾驶场景拓扑推理树立新标准。项目提供开源代码和预训练模型,促进自动驾驶研究发展。
tdmpc2 - 跨领域连续控制的可扩展世界模型
GithubTD-MPC2多任务学习开源项目强化学习模型训练连续控制
TD-MPC2是一种可扩展的基于模型的强化学习算法,在104个连续控制任务中展现出色性能。该算法使用317M参数的单一模型可执行80个跨领域任务。项目提供300多个模型检查点和多任务数据集,支持状态和像素输入,为模型强化学习研究提供重要资源。
TimeMoE-50M - 混合专家时间序列预测基础模型 提升大规模数据分析能力
GithubHuggingfaceTimeMoE基础模型开源项目时间序列预测模型深度学习混合专家模型
TimeMoE-50M是一个基于混合专家(MoE)架构的时间序列预测基础模型,专为处理十亿规模数据而设计。此模型旨在优化大规模时间序列分析的准确性和效率。开发者可在GitHub页面上找到详细的使用指南和实现方法,有助于将其整合到各类时间序列分析项目中,提升预测能力。
MixFormer - 基于迭代混合注意力的端到端目标跟踪框架
GithubMixFormer开源项目注意力机制深度学习目标追踪计算机视觉
MixFormer是一种创新的端到端目标跟踪框架,采用目标-搜索混合注意力(MAM)骨干网络和角点头部结构,实现了无需显式集成模块的紧凑跟踪流程。这种无后处理方法在LaSOT、GOT-10K和TrackingNet等多个基准测试中表现卓越,并在VOT2020上取得0.584的EAO成绩。项目开源了代码、模型和原始结果,为目标跟踪研究领域提供了宝贵资源。
Transformers_And_LLM_Are_What_You_Dont_Need - 分析深度学习模型在时间序列预测中的表现与局限
GithubMambaTransformers开源项目时间序列预测深度学习线性模型
本项目汇集大量研究论文和文章,深入分析变压器和大语言模型在时间序列预测中的表现及局限性。探讨这些深度学习模型处理时间序列数据的挑战,并介绍更适合的替代方法。为时间序列预测领域的研究和应用提供全面的参考资源。
q-transformer - 自回归Q函数实现离线强化学习
AI模型GithubQ-Transformer开源项目强化学习机器人控制神经网络
Q-transformer项目是Google Deepmind提出的可扩展离线强化学习方法的开源实现。该项目通过自回归Q函数优化多动作选择,支持单一和多动作学习,并提供深度对偶架构和n步Q学习。它包含环境交互、数据集创建和学习流程,适用于复杂机器人控制任务。Q-transformer的创新性和灵活性为强化学习研究和应用提供了重要工具。
iTransformer - 用于多变量时间序列预测的iTransformer模型
GithubTransformer模型iTransformer多变量预测开源项目时间序列预测高效注意力机制
iTransformer是一种用于多变量时间序列预测的开源模型,无需修改任何Transformer模块。它在处理大规模数据时表现出色,具备显著的性能提升和强大的泛化能力。iTransformer已在多种基准测试中表现优异,支持静态协变量和概率发射头。用户可通过pip安装,并使用项目提供的详细训练和评估脚本。更多信息请参阅官方论文。
detr - Transformer架构重塑目标检测流程
DETRGithubTransformer开源项目深度学习目标检测计算机视觉
DETR项目运用Transformer架构创新性地改进了目标检测方法。该方法将传统的复杂流程转化为直接的集合预测问题,在COCO数据集上达到42 AP的性能表现,同时计算资源消耗减半。DETR结合全局损失函数与编码器-解码器结构,实现了图像的高效并行处理,大幅提升了目标检测的速度和准确性。项目开源了简洁的实现代码和预训练模型,便于研究人员进行深入探索和实际应用。
shape-of-motion - 从单个视频实现4D场景重建的前沿技术
4D重建GithubShape of Motion单视频重建开源项目深度学习计算机视觉
Shape of Motion项目展示了一种新型4D重建方法,可从单个视频重建动态3D场景。该项目结合深度学习和计算机视觉技术,实现运动物体的精确重建。项目包含完整工作流程,涵盖预处理、模型训练和性能评估。研究团队公开了源代码和数据集,为计算机视觉领域提供了有价值的研究资源。这一技术可能在计算机图形学、增强现实等方面带来应用突破。
moment - 时间序列分析基础模型 多任务多领域应用
GithubMOMENT基础模型多任务开源项目时间序列预训练
MOMENT是一个开源的时间序列分析基础模型家族,为多任务、多数据集和多领域应用而设计。该模型在大规模时间序列数据上预训练,可处理预测、分类、异常检测和插补等任务。MOMENT能捕捉时间序列的内在特征,学习有意义的数据表示,在少量标记数据的情况下也表现出色。项目提供预训练模型、教程和研究代码,为时间序列分析提供了实用工具。
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