recognize-anything

通用图像识别模型：支持开放域类别和高精度标签生成

RAM++图像识别开源模型零样本学习多模态 Github 开源项目

Recognize Anything Model是一系列开源图像识别模型，包括RAM++、RAM和Tag2Text。这些模型能准确识别常见和开放域类别，支持高精度图像标签生成和全面描述。项目提供预训练模型、推理代码和训练数据集，适用于多种计算机视觉任务。模型性能优于现有先进方案，尤其在零样本识别方面表现突出。

访问官网

Github

Huggingface

介绍相关项目

VisionLLaMA - 基于LLaMA的统一视觉模型，为图像生成和理解设立新基准

GithubVisionLLaMA图像理解图像生成开源项目计算机视觉预训练模型

VisionLLaMA是一个基于LLaMA架构的统一视觉Transformer模型，专为处理2D图像而设计。该模型提供平面和金字塔两种形式，适用于广泛的视觉任务，包括图像感知和生成。通过各种预训练范式的广泛评估，VisionLLaMA在多项图像生成和理解任务中展现出卓越性能，超越了现有最先进的视觉Transformer模型，为计算机视觉领域提供了新的基准。

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。

segment-anything-fast - 高性能图像分割模型加速框架

AI模型加速GithubPyTorchSegment Anything图像分割开源项目推理优化

segment-anything-fast是基于Facebook's segment-anything的优化版本，专注于提高图像分割模型的性能。通过整合bfloat16、torch.compile和自定义Triton内核等技术，该项目显著提升了模型推理速度。它支持多种优化方法，如动态int8对称量化和2:4稀疏格式，同时保持了简单的安装和使用流程。这使得开发者能够轻松替换原始segment-anything，实现更高效的图像分割。该优化框架适用于需要实时或大规模图像分割处理的应用，如自动驾驶、医疗影像分析或视频编辑等领域，可显著提高处理效率和资源利用率。

YOLO-World - 下一代实时开放词汇目标检测模型

GithubYOLO-World开放词汇开源项目目标检测零样本学习预训练模型

YOLO-World是一款创新的实时开放词汇目标检测模型。经过大规模数据集预训练,它展现出卓越的开放词汇检测和定位能力。采用'先提示后检测'范式,YOLO-World通过重参数化技术实现高效的自定义词汇推理。该模型支持零样本目标检测、分割等多种任务,并开源了在线演示、预训练权重和微调代码,为计算机视觉领域提供了实用的研究与应用工具。

SegmentAnything3D - Segment Anything技术在3D场景中的创新应用

3D感知GithubSegment Anything 3D图像分割开源项目点云处理计算机视觉

SAM3D项目将Segment Anything技术扩展到3D感知领域，通过将2D图像分割信息转移到3D空间，为3D场景理解提供新思路。该项目结合SAM生成掩码、点云合并和区域合并等技术，实现2D到3D的有效转换。SAM3D不仅拓展了计算机视觉的应用范围，也为3D场景分析和理解开辟了新的研究方向。

attention-ocr - 基于注意力机制的视觉OCR模型，实现与导出工具

Attention-OCRGithubOCRTensorflow人工智能图像识别开源项目

该项目提供了基于注意力机制的OCR模型，结合了CNN与LSTM，用于图像识别，并能够导出为SavedModel或frozen graph格式。用户可以通过生成TFRecords数据集、训练、测试及可视化等步骤完整运行该OCR系统。项目还支持通过Tensorflow Serving提供REST API服务，并可以在Google Cloud ML Engine上进行模型训练。目前该项目依赖Tensorflow 1.x，未来计划升级到Tensorflow 2。

T-Rex - 融合文本和视觉提示的通用目标检测模型

APIGithubT-Rex2开源项目目标检测视觉提示计算机视觉

T-Rex2是一款融合文本和视觉提示的通用目标检测模型。它突破传统模型局限，具备零样本检测能力，适用于农业、工业和生物医学等领域。该模型支持交互式视觉提示、通用视觉提示和文本提示三种工作流程，满足多样化的目标检测需求。项目提供在线演示和API接口，便于快速体验和集成。

depth-anything-large-hf - 基于DPT和DINOv2的大规模深度估计模型

Depth AnythingGithubHuggingface人工智能图像处理开源项目模型深度估计计算机视觉

Depth Anything是一个基于DPT架构和DINOv2主干的深度估计模型，通过6200万张图像训练而成。该模型在相对和绝对深度估计方面均达到最先进水平，可用于零样本深度估计等任务。它提供简单的pipeline接口，支持任意尺寸输入图像，并输出高质量深度图。Depth Anything为计算机视觉领域提供了强大的深度感知能力，可应用于多个场景。

anything-v4.0 - 动漫风格图像生成的高级稳定扩散模型

AI生成Anything V4.0GithubHuggingface动漫风格商业使用开源项目模型稳定扩散

Anything V4是一个面向动漫风格图像生成的潜在扩散模型，通过简单提示即可生成细节丰富的图像。支持danbooru标签以及Gradio Web UI操作，并提供Fantasy.ai商业使用许可。该模型兼容多平台，可导出ONNX、MPS及FLAX/JAX格式，支持简化的Python代码进行图像生成，适合生成动漫人物和风景等多样化内容。

joytag - 多标签AI图像标记模型支持5000+标签

AI视觉模型GithubJoyTagViT架构图像标签多标签分类开源项目

JoyTag是基于ViT-B/16架构的AI视觉模型，专用于图像多标签分类。采用Danbooru标记体系，支持5000多个标签，适用于手绘和摄影等多种图像类型。模型在0.4阈值下F1分数达0.578，能为每张图像生成独立标签预测。可用于diffusion模型训练等多种应用场景。

相关项目

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。

使用协议隐私政策广告服务

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