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。

MIMDet - 掩码图像建模应用于目标检测的开源项目
GithubMIMDet卷积神经网络实例分割开源项目物体检测视觉变换器
MIMDet是一个利用掩码图像建模技术的开源项目,能够提升预训练的Vanilla Vision Transformer在目标检测中的表现。此框架采用混合架构,用随机初始化的卷积体系取代预训练的大核Patchify体系,实现多尺度表示无需上采样。在COCO数据集上的表现亮眼,使用ViT-Base和Mask R-CNN模型时,分别达到51.7的框AP和46.2的掩码AP;使用ViT-L模型时,成绩分别是54.3的框AP和48.2的掩码AP。
Time-LLM - 开发用于时序预测的高级语言模型
GithubICLR 2024Time-LLM大语言模型开源项目时间序列预测框架重编程
Time-LLM将大型语言模型重新用于时序预测,利用其强大功能处理时序数据,并结合专家知识和任务说明提升预测精度。支持Llama-7B、GPT-2和BERT等模型,框架灵活且适应性广泛。了解Time-LLM的最新更新、使用案例和技术细节,访问我们的详细介绍及相关资源。
BEVFormer_tensorrt - BEVFormer和BEVDet的TensorRT高效部署方案
BEV 3D DetectionGPU内存优化GithubTensorRT开源项目推理加速量化
本项目实现BEVFormer和BEVDet在TensorRT上的高效部署,支持FP32/FP16/INT8推理。通过优化TensorRT算子,BEVFormer base模型推理速度提升4倍,模型大小减少90%,GPU内存节省80%。同时支持MMDetection中2D目标检测模型的INT8量化部署。项目提供详细基准测试,展示不同配置下的精度和速度表现。
SMARTS - 自动驾驶多智能体强化学习模拟平台
GithubSMARTS人工智能仿真平台多智能体强化学习开源项目自动驾驶
SMARTS是一个专注于真实和多样化交互的自动驾驶多智能体强化学习模拟平台,由华为诺亚方舟实验室开发。该平台提供丰富的文档、示例和模型,支持研究人员进行自动驾驶领域的复杂实验。SMARTS具有高度可扩展性,能够模拟各种复杂交通场景,为自动驾驶技术研究提供了重要的仿真环境。
Mantis - 基于LLaMA-3的先进多图像理解AI模型
GithubLLaMA-3Mantis人工智能多图像指令调优大型多模态模型开源项目
Mantis是基于LLaMA-3的大型多模态模型,专注于多图像视觉语言任务。通过在Mantis-Instruct数据集上进行36小时的指令微调,该模型在5个多图像基准测试中实现了领先性能。Mantis能处理交错的文本和图像输入,有效应对复杂多图像任务,同时保持出色的单图像处理能力。项目开源了代码、模型和演示,为AI研究和开发提供了强大的多图像处理工具。
moirai-1.0-R-base - 基于Transformer的通用时间序列预测模型
GithubHuggingfaceMoirai开源项目数据分析时间序列预测机器学习模型模型预训练模型
Moirai-1.0-R-base是一个基于掩码编码器的通用时间序列预测Transformer模型,在LOTSA数据集上预训练。该模型包含9100万参数,使用补丁嵌入和变量ID编码方法,可处理多变量时间序列数据进行预测。模型支持自定义预测长度和上下文窗口设置,通过uni2ts库实现部署。作为Moirai系列的中型版本,该模型在性能和计算效率方面达到平衡。
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。
robotic-transformer-pytorch - RT1机器人控制Transformer模型的PyTorch实现
GithubRT1人工智能开源项目机器人变形金刚深度学习计算机视觉
本项目是Google Robotics团队RT1(Robotic Transformer)的PyTorch实现版本。RT1是一个结合视觉和自然语言处理的机器人控制Transformer模型。该实现包含MaxViT视觉主干网络和RT1核心模型,支持视频输入和文本指令处理。项目提供简洁API,实现了条件采样和跨注意力等功能,可应用于多种机器人控制场景。
PersFormer_3DLane - PersFormer基于透视变换实现精确的3D车道线检测
3D车道线检测GithubOpenLane基准PersFormerPyTorch实现开源项目透视变换
PersFormer是一种创新的3D车道线检测模型,采用基于Transformer的模块生成BEV特征并参考相机参数。模型能同时进行2D和3D车道检测,提升特征一致性与多任务学习效果。PersFormer在OpenLane和Apollo 3D Lane Synthetic数据集上的表现优异,超越了多种现有方法,并提供简便的安装与评估说明以及详细的训练和测试指南,成为3D车道检测领域的重要进展。
rl-mpc-locomotion - 强化学习与模型预测控制结合的四足机器人运动框架
GithubIsaac GymRL MPC Locomotion四足机器人开源项目强化学习模型预测控制
这个项目为四足机器人运动任务开发了一个快速仿真和强化学习训练框架。它采用分层控制结构,结合高层策略网络和低层模型预测控制器。其MPC控制器基于Cheetah Software改写,便于移植到主流仿真平台。项目利用NVIDIA Isaac Gym进行并行训练,使用Unitree Robotics的Aliengo模型,并实现了从仿真到实物的迁移。该框架适用于多种四足机器人类型和步态,为相关研究提供了有力支持。
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