Project Icon

Depth-Anything-V2

单目深度估计新突破,高精度与快速推理并重

Depth-Anything-V2是单目深度估计领域的新进展。该模型在细节表现和鲁棒性上显著优于V1版本,并在推理速度、参数量和深度精度方面超越了基于SD的模型。项目提供四种预训练模型,适用于相对和度量深度估计,可处理图像和视频。此外,发布的DA-2K基准为深度估计研究设立了新标准。

AdelaiDepth - 开源单目深度预测工具箱 推进3D场景重建研究
3D场景重建AdelaiDepthGithub单目深度预测开源项目深度学习计算机视觉
AdelaiDepth是开源单目深度预测工具箱,整合3D场景形状重建等多种算法。项目聚焦单一图像深度学习和3D场景恢复,相关成果入围CVPR'21最佳论文。通过提供训练代码和数据集,AdelaiDepth为计算机视觉领域研究提供了重要资源。
DepthCrafter - 生成开放世界视频的长序列一致深度估计
DepthCrafterGithubHuggingface人工智能开源项目模型深度估计视频处理计算机视觉
DepthCrafter是一个开源深度估计项目,专门为开放世界视频生成时间一致的长序列深度图。该项目无需相机姿态或光流信息,可直接处理复杂场景视频,并保留精细细节。DepthCrafter在计算机视觉和3D重建领域具有潜在应用,为视频深度估计研究开辟新方向。
segment-anything-2 - 新一代图像和视频分割基础模型
AI模型GithubSAM 2图像分割开源项目视频分割计算机视觉
SAM 2是Meta AI研发的图像和视频分割基础模型,扩展了SAM的功能。它采用transformer架构和流式内存,实现实时视频处理。通过模型循环数据引擎,研究团队构建了大规模视频分割数据集SA-V。SAM 2在多种视觉任务中展现出卓越性能,为计算机视觉领域带来新的可能。
lotus-depth-g-v1-0 - 新一代视觉深度预测与密集估计模型
GithubHuggingfaceLotus密集预测开源项目扩散模型模型深度预测视觉基础模型
Lotus是一个开源的视觉基础模型,主要用于图像深度估计和密集预测任务。该项目提供完整的模型实现和在线演示平台,可应用于3D场景重建、深度感知等计算机视觉领域。模型采用Apache-2.0许可协议发布,支持学术研究和商业应用开发。
MDT - MDTv2图像合成模型:更快收敛和卓越性能
GithubMasked Diffusion Transformer人工智能图像合成开源项目深度学习计算机视觉
MDTv2是一种先进的深度学习图像合成模型,在ImageNet数据集上实现了1.58的FID分数,创造新的业界标准。该模型采用掩码潜在建模技术,提高了图像语义理解能力,学习速度比先前模型快10倍以上。MDTv2在图像生成质量和训练效率方面都有显著提升,为计算机视觉和人工智能领域带来了新的可能性。
d2-net - 深度学习驱动的联合特征检测与描述
CNND2-NetGithub开源项目深度学习特征提取计算机视觉
D2-Net是一个用于联合检测和描述局部图像特征的卷积神经网络模型。该项目提供模型实现、预训练权重、特征提取脚本和MegaDepth数据集训练流程。D2-Net在图像匹配和3D重建等计算机视觉任务中表现优异,提高了特征提取的准确性和效率。项目支持多尺度特征提取,并包含在不同数据集上训练的模型权重。
control_v11f1p_sd15_depth - 基于深度图的ControlNet模型为Stable Diffusion提供精准深度控制
ControlNetGithubHuggingfaceStable Diffusion图像处理图像生成开源项目模型深度估计
control_v11f1p_sd15_depth是ControlNet v1.1系列的深度图控制模型。它通过深度信息精确控制图像生成,支持多种深度估计方法。相比1.0版本,新模型优化了训练数据,提高了预处理器兼容性,增强了通用性和鲁棒性。该模型可与Stable Diffusion等扩散模型配合使用,为图像生成提供精确的深度控制。
dinov2 - 通过无监督学习构建强大视觉特征的先进方法
DINOv2GithubVision Transformer开源项目自监督学习视觉特征计算机视觉
DINOv2是一种先进的无监督视觉特征学习方法,在1.42亿张未标注图像上预训练后生成高性能、鲁棒的通用视觉特征。这些特征可直接应用于多种计算机视觉任务,仅需简单线性分类器即可实现优异效果。DINOv2提供多种预训练模型,包括带寄存器的变体,在ImageNet等基准测试中表现卓越。
Real3D - 基于真实图像的大规模3D重建模型
3D重建GithubReal3D开源项目深度学习自监督学习计算机视觉
Real3D是一种创新的大规模3D重建模型系统,首次实现了使用单视图真实图像进行训练。该系统采用自训练框架,结合3D/多视图合成数据和单视图真实图像,并引入两种无监督损失函数,实现像素和语义层面的模型监督。在包含真实和合成数据、域内和域外形状的四种评估场景中,Real3D均显著优于现有方法。
MeshAnythingV2 - 艺术家级3D网格模型生成技术
3D生成AI模型GithubMeshAnything V2开源项目网格生成计算机图形学
MeshAnything V2是一个创新的3D网格模型生成项目,采用相邻网格分词技术,生成高质量的艺术家级模型。该项目可接受文本、图像或现有网格模型作为输入,输出最多包含1600个面的精细3D模型。项目提供命令行接口和Gradio演示界面,方便用户创建复杂3D模型。适用于需要快速生成高质量3D网格模型的场景。
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

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能,包括文生视频、动态画面和形象生成等,帮助用户快速上手,创造专业级内容。

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

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台,用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品,帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型,为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能,满足事务性工作的高频需求,帮助撰稿人节省精力,提高效率,优化工作与生活。

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

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