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

GLEE - 实现多任务图像和视频处理的通用视觉基础模型

GLEEGithub多任务模型实例分割开源项目目标检测计算机视觉

GLEE是一个通用对象基础模型，在超过1000万张来自多个数据集的图像上进行联合训练。该模型能同时处理多种以对象为中心的视觉任务，并在多个基准测试中保持领先性能。GLEE具有出色的通用性和零样本迁移能力，可作为增强其他架构或模型的基础组件。这项研究被CVPR2024接受为亮点论文，研究团队计划开源相关代码和预训练模型。

LFM - 潜空间流匹配实现高效图像生成

Flow MatchingGithubPyTorch图像生成开源项目潜在空间生成模型

LFM项目创新性地将流匹配应用于预训练自编码器的潜空间，显著提升高分辨率图像生成的效率。这种方法不仅在计算资源有限的情况下保持了图像质量，还首次将条件生成任务融入流匹配框架。经过广泛测试，LFM在多个数据集上均取得了优异的定量和定性结果。

zero123 - 零样本单图像到3D对象转换技术

3D重建GithubObjaverseZero-1-to-3单视图开源项目稳定扩散

探索一种创新技术，通过一张图像实现高精度的3D对象重建。研究介绍了如何使用Zero123进行新视角合成和3D重建，解决了文字转图像模型中的视角歧义问题，并展示了其在多种应用中的卓越性能。项目还包括Zero123-XL和Objaverse-XL的最新权重发布，以及详细的使用和训练指南，支持研究者和开发者在现有硬件上进行开发和测试。

Awesome-MVS - 多视角立体视觉算法精选资源大全

3D重建GithubMVS多视图立体视觉开源项目深度学习计算机视觉

本资源列表汇集了2017年至2024年间多视角立体视觉(MVS)算法的重要研究成果，包括基于学习和传统方法的最新进展。项目提供论文链接、代码实现和项目网页等全面资源，适合MVS领域研究者和开发者参考。内容定期更新，保持与前沿技术同步。

MonoGS - 基于3D高斯分布的实时场景重建与定位系统

3D重建CVPR 2024Gaussian Splatting SLAMGithub单目SLAM实时视觉定位开源项目

MonoGS是一个基于3D高斯分布的SLAM系统，支持单目、双目和RGB-D输入。该系统实现了实时稠密三维重建和精确相机定位，在室内场景中表现优异。通过高斯分布表示三维场景，MonoGS采用创新优化方法实现高效场景更新和渲染。作为CVPR 2024亮点论文，MonoGS展示了在计算机视觉和机器人领域的应用前景。

AIGS - AI生成图像作为数据源的前沿探索与应用

AI生成图像Github开源项目数据源深度学习综述计算机视觉

AIGS项目系统研究了AI生成图像(AIGC)作为数据源的最新发展。通过对方法和应用的分类,该项目全面概述了AIGC在视觉领域的进展,包括生成模型、神经渲染等技术,以及在2D/3D视觉感知、图像生成和自监督学习等方面的应用。此外,项目整理了相关数据集,为AIGC研究提供了丰富资源。

GLIGEN - 开放式条件引导的文本到图像生成模型

GLIGENGithub人工智能开源项目文本到图像生成深度学习计算机视觉

GLIGEN是一个创新的开放式条件引导文本到图像生成模型。它扩展了冻结文本到图像模型的功能,支持框、关键点和图像等多种引导条件。在COCO和LVIS数据集的零样本测试中,GLIGEN大幅超越了现有的有监督布局到图像生成基线。这项技术在开放世界场景下的应用前景广阔,同时也需关注其局限性和伦理影响。

ml-hugs - 从单个视频重建可动画化人体和场景的3D技术

3D重建GithubHUGS人体高斯分层动画生成开源项目神经辐射场

HUGS是一种利用神经辐射场的计算机视觉技术，能从单个视频重建背景场景和可动画化的人体3D表示。该开源项目提供完整实现，包括数据准备、模型训练和评估脚本。HUGS支持三种训练模式：联合人体和场景、仅人体以及仅场景，适用于多种应用场景。在PSNR、SSIM和LPIPS等指标上，HUGS展现了优异的性能，为人体动画和场景重建研究提供了新思路。

llm-viz - 交互式3D可视化展示GPT网络模型推理过程

Brendan BycroftCPU模拟GithubLLM可视化交互式3D模型开源项目项目展示

LLM-viz是一个开源项目,提供3D交互式模型可视化GPT网络推理过程。基于OpenAI的GPT-2和GPT-3拓扑结构,通过字母排序演示网络运行。支持渲染不同规模网络,包括小型GPT-2模型。该工具有助于理解大型语言模型的内部工作机制,为AI研究和教育提供直观参考。

ShapeLLM - 革新3D理解的多模态大语言模型

ShapeLLM是首个面向智能体交互的3D多模态大语言模型,支持单视图彩色点云输入。该项目引入了3D问答基准3D MM-Vet,并改进了点云编码器ReCon++。ShapeLLM在多项3D理解任务中表现出色,为智能体与3D环境交互提供了新思路。

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