LGM

多视图高斯模型实现高质量3D内容创建

LGM是一种大规模多视图高斯模型,用于创建高分辨率3D内容。该模型可将文本或图像转换为高质量3D模型,并支持快速推理和训练。项目开源了完整代码、预训练权重和演示应用,为3D内容创作提供了实用工具。LGM在3D重建的精度和效率上有显著提升,推动了计算机图形学和视觉领域的发展。

访问官网

LWM - 百万级上下文多模态AI模型突破性成果

GithubLarge World ModelRingAttention多模态模型开源项目视频处理长文本理解

Large World Model (LWM)是一种创新的多模态AI模型，具备百万级上下文处理能力。LWM通过分析大规模视频和文本数据，实现了语言、图像和视频的综合理解与生成。该项目开源了多个模型版本，支持处理超长文本和视频，在复杂检索和长视频理解等任务中表现出色，为AI技术发展提供了新的可能性。

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。

Neural-Gauge-Fields - 创新3D场景表示实现灵活UV映射与高效渲染

3D重建GithubUV映射三平面投影开源项目神经规范场视图合成

Neural-Gauge-Fields项目提出创新3D场景表示方法，通过学习UV映射和三平面投影实现灵活纹理编辑和高效渲染。项目引入InfoInv技术，提升基于网格和MLP的神经场性能。这一方法为3D视图合成、场景编辑和表面重建提供新工具，在计算机图形学和视觉领域展示应用前景。

multi-hmr - 单次处理实现多人全身3D人体网格重建

GithubMulti-HMR人体网格重建多人检测开源项目深度学习计算机视觉

Multi-HMR是一种高效的单次处理模型，用于多人全身人体网格重建。该模型仅需一张RGB图像输入，即可在相机空间中重建多个人的3D模型。项目在BEDLAM、EHF等多个数据集上实现了领先性能，并提供预训练模型和演示代码，可应用于图像中的多人3D重建任务。

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。

LL3DA - 3D环境下的多模态语言和视觉互动助手

3D环境3D语言模型GithubLL3DA开源项目点云视觉交互

LL3DA是一种大型语言3D助手，能够在复杂的3D环境中响应视觉和文本交互。现有的多模态模型在3D场景理解中的挑战使得LL3DA采用点云直接作为输入，从而减少计算负担并提升性能。实验结果表明，LL3DA在3D密集描述和3D问答任务上优于其他3D视觉语言模型。其开源代码和预训练模型权重允许用户训练定制模型，并进一步拓展到更大规模的3D视觉语言基准上。

StyleGaussian - 基于高斯溅射的即时3D风格迁移技术

3D风格迁移GithubStyleGaussian多视角一致性实时渲染开源项目高斯散射

StyleGaussian是一种基于高斯溅射的3D风格迁移技术，实现了即时风格迁移的同时保持实时渲染和多视图一致性。该项目支持单一风格迁移和多风格插值，为3D场景提供高效的风格化能力。开源实现包括交互式远程查看器、推理渲染和完整训练流程，为相关研究和开发提供了全面资源。

One2345plus - 单图快速生成高保真3D模型技术

3D建模GithubOne-2-3-45++人工智能图像处理开源项目深度学习

One-2-3-45++是一项创新的单图3D重建技术，能在一分钟内将单张RGB图像转换为高质量纹理网格模型。该技术生成的3D模型高度还原原始图像细节，仅需8台A100 GPU即可完成训练。这一技术在单图像3D重建领域表现出色，为创意设计、游戏开发等领域提供了高效的3D建模方案。

ImageDream - 利用图像提示的多视角扩散方法实现创新3D内容生成

GithubImageDream三维生成人工智能图像提示多视图扩散开源项目

ImageDream是一个从单一2D图像输入生成逼真3D内容的开源项目。它结合图像提示和多视角扩散技术创建高质量3D模型，支持软阴影渲染，并提供简便的配置和安装指南。该项目展示了图像引导3D生成的最新应用，为计算机视觉和图形学研究提供了新的实验平台。

gta - 几何感知注意力机制增强多视图Transformer性能

GTAGithub几何感知注意力多视图Transformer开源项目神经渲染计算机视觉

GTA是一种创新的几何感知注意力机制,旨在提升多视图Transformer的表达能力。这项技术不仅适用于新视角合成和3D场景重建等多视图任务,还可应用于图像生成等2D任务。项目提供了GTA在CLEVR-TR和MSN-Hard数据集上的官方实现代码,并展示了其在ImageNet图像生成中的应用。通过整合几何信息,GTA使Transformer更有效地处理3D空间关系,从而显著提高多视图任务的性能表现。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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