Project Icon

DriveDreamer4D

4D驾驶场景模拟的新突破

DriveDreamer4D利用世界模型先验,提升4D驾驶场景表示。通过闭环仿真,能将实况驾驶数据转换为新的轨迹视频,并确保视频内容的时空一致性。实验验证了其在新轨迹视频生成方面的优越性,尤其在时空连贯性上表现突出,为自主驾驶系统的研究和开发提供了有力支持。

generative-models - SV4D与SV3D一类的创新模型
GithubSDXL-TurboSV3DSV4D开源项目热门稳定AI视频合成
Generative Models项目展示了多个创新模型如SV4D与SV3D,专注于视频到4D扩散建模和图像到视频的多视角合成,旨在提供高分辨率和时间连贯性的研究工具。最新技术报告和视频概览现已发布,支持通过简单的脚本和快速入门指南直接体验模型效果,适用于研究及教育用途。
DriveMLM - 融合大语言模型的自动驾驶行为规划框架
DriveMLMGithub多模态大语言模型开源项目自动驾驶行为规划
DriveMLM是一个创新的自动驾驶框架,融合了大语言模型技术。该框架通过标准化决策状态、采用多模态大语言模型进行行为规划,并设计数据引擎收集训练数据,实现了在真实模拟环境中的闭环自动驾驶。在CARLA Town05 Long测试中,DriveMLM获得76.1分的驾驶得分,比Apollo基准高出4.7分。这一成果为大语言模型在自动驾驶领域的应用提供了新的研究方向。
GeoDream - 融合2D和几何先验实现高保真一致的3D生成
3D生成GeoDreamGithubUni3D-score多视角一致性开源项目文本到3D
GeoDream是一种创新的3D生成方法,通过结合广义3D先验和2D扩散先验,提高了生成一致3D几何结构的能力,同时保持多样性和保真度。该方法生成的3D纹理网格具有更高一致性,可渲染1024x1024分辨率的逼真图像,并改善语义连贯性。GeoDream还首次提出Uni3D-score指标,将语义一致性评估从2D提升到3D。
Director3D - 将文本转化为真实世界相机轨迹和3D场景的AI项目
3D场景生成3D高斯溅射Director3DGithub开源项目文本生成相机轨迹
Director3D是一个基于文本生成真实世界相机轨迹和3D场景的AI项目。它结合了轨迹扩散模型、3DGS驱动的多视角潜在扩散模型和SDS++优化技术,能在20秒内生成粗略3D高斯溅射,5分钟内完成精细化。项目开源了代码和预训练模型,并提供了在线演示,为3D内容创作和计算机视觉研究提供了新的可能性。
realmdreamer - 文本3D场景生成技术
3D场景生成GithubRealmDreamer开源项目文本驱动深度扩散高斯溅射
RealmDreamer是一项创新的3D场景生成技术,通过文本描述生成通用前向3D场景。该技术利用3D高斯泼溅表示和先进的文本到图像生成器,结合图像条件扩散模型和深度扩散模型,实现高质量3D场景的合成。RealmDreamer无需特定数据集训练,能够生成多样风格的3D场景,并支持从单一图像进行3D合成。
DreamCraft3D - 层次化高保真3D内容生成技术
3D内容生成DreamCraft3DGithub几何雕刻分层结构开源项目纹理增强
DreamCraft3D是一种高保真层次化3D内容生成技术,利用2D参考图像指导几何雕刻和纹理增强,解决一致性问题。通过词汇蒸馏采样、视图依赖扩散模型和引入Bootstrapped Score Distillation,提升了几何一致性和纹理质量。该项目通过交替优化扩散先验和3D场景表示,生成逼真的3D对象,提升了3D内容生成技术水平。
Ego4d - 大规模多模态视频数据集与基准测试的最新发展
Ego-Exo4DEgo4DGithub多模态数据集开源项目机器学习视频数据集
Ego-Exo4D和Ego4D是全球最大的第一人称和多视角视频机器学习数据集,含有时间同步的视频和丰富的注释。Ego4D数据集包括超过3700小时的注释视频,Ego-Exo4D的V2版本新增了1286.30小时的视频内容,提供数据下载、特征提取和研究的CLI工具和API。详细信息请查阅官方网站和文档。
dreamoving-project - 基于扩散模型的人工智能视频生成框架
DreaMovingGithub人工智能人物视频开源项目扩散模型视频生成
DreaMoving是一个基于扩散模型的视频生成框架,专注于创建高质量的定制人物视频。该系统可根据文本描述在多样化场景中生成人物动作视频,例如海滩、公园和埃及金字塔等。这个由阿里巴巴智能计算研究院开发的项目提供中英文在线演示,体现了人工智能在视频生成领域的最新技术进展。
InterFuser - 多传感器融合技术助力安全增强自动驾驶
CARLAGithubInterFuser传感器融合安全增强开源项目自动驾驶
该项目融合多模态多视角传感器信息,实现综合场景理解,生成可解释的中间特征,确保动作在安全范围内。该方法在CARLA AD排行榜上取得了最新成果,项目还提供了详细的数据生成、训练和评估步骤,以及实用工具脚本和预训练权重。
GameFormer - 结合游戏理论的自动驾驶交互预测规划模型
GameFormerGithubTransformer交互预测开源项目自动驾驶规划
GameFormer是一个创新的自动驾驶AI项目,结合游戏理论和Transformer架构进行交互式预测和规划。项目提供Waymo开放运动数据集上的交互预测联合模型代码,以及动态场景的开环规划实现。GameFormer提高了预测准确性和自动驾驶系统的决策能力,为智能交通系统研究开辟新方向。
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