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 深度估计计算机视觉预训练模型开源项目 Github

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。

文档

DUSt3R_ViTLarge_BaseDecoder_512_dpt - ViT架构的多分辨率3D几何视觉模型用于深度估计

DUSt3RGithubHuggingface三维视觉图像处理开源项目模型深度学习计算机视觉

该模型使用ViT-Large编码器和ViT-Base解码器构建，采用DPT结构设计。支持处理512x384至512x160等多种分辨率图像，为3D几何视觉提供简化实现方案。开发者可通过PyTorch快速部署使用，模型由NAVER开源并遵循CC BY-NC-SA 4.0许可协议。

marigold-depth-v1-0 - 基于扩散模型的单目深度估计新方法

GithubHuggingfaceMarigold单目深度估计图像生成器开源项目扩散模型模型零样本迁移

Marigold是一种新型单目深度估计模型，利用Stable Diffusion等现代生成图像模型中的视觉知识。该模型通过合成数据微调，实现了对未知数据的零样本迁移，在单目深度估计任务中达到了领先水平。Marigold不仅展示了扩散模型在计算机视觉领域的应用潜力，还为深度估计技术的研究提供了有力工具。

PointTransformerV3 - 先进的点云处理框架

GithubPoint Transformer V3开源项目深度学习点云处理计算机视觉语义分割

PointTransformerV3是一个创新的点云处理框架，在多个基准测试中展现出卓越性能。该项目优化了模型结构，提升了运行速度和处理能力。它适用于室内外场景的语义分割，通过多数据集预训练进一步增强了效果。研究人员可利用开源代码和预训练模型轻松复现结果或应用于自身项目。

marigold-depth-lcm-v1-0 - 基于扩散技术的单目深度估计模型实现零样本迁移

GithubHuggingfaceMarigold单目深度估计图像生成开源项目扩散模型模型深度估计

Marigold-depth-lcm-v1-0是一个创新的单目深度估计模型，基于扩散技术开发。该模型利用Stable Diffusion的视觉知识，通过合成数据微调，实现了对未见数据的零样本迁移能力。在单目深度估计任务中，Marigold展现出优异性能，为计算机视觉领域提供了新的深度估计解决方案。这一成果不仅推动了单目深度估计技术的发展，还展示了扩散模型在此领域的巨大潜力。

SegmentAnythingin3D - NeRF模型的三维目标分割框架SA3D

3D分割GithubNeRFSA3DSAM开源项目计算机视觉

SA3D是一个创新的三维目标分割框架，基于神经辐射场(NeRF)模型。它允许用户通过单一视图的手动提示，快速获取目标对象的3D分割结果。SA3D支持点提示和文本提示输入，处理时间约为2分钟。该框架在建筑、室内场景和复杂物体等多种应用场景中展现了良好的适应性，为3D场景感知和虚拟现实内容创作提供了新的可能。项目还包含直观的图形界面，便于研究人员和开发者进行快速实验和应用开发。

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。

V2V-PoseNet_RELEASE - 从单个深度图进行高精度3D手部和人体姿态预测

3D手势估计GithubPyTorchV2V-PoseNet团队SNU CVLAB开源项目深度图

V2V-PoseNet是一种基于单个深度图的高精度3D手部和人体姿态估计方法。该项目由首尔国立大学计算机视觉实验室开发，并在HANDS2017挑战赛中表现出色。其内容包括模型架构、训练代码、数据集说明及预训练模型下载。支持ICVL、NYU、MSRA和ITOP等多个著名数据集，并提供详细的比较和测试结果。仓库还包含可视化代码，方便研究人员进一步应用和测试。

efficientvit - EfficientViT多尺度线性注意力用于高分辨率密集预测

EfficientViTGithub图像分割开源项目模型优化深度学习计算机视觉

EfficientViT是一种新型ViT模型，专注于高效处理高分辨率密集预测视觉任务。其核心是轻量级多尺度线性注意力模块，通过硬件友好操作实现全局感受野和多尺度学习。该项目提供图像分类、语义分割和SAM等应用的预训练模型，在性能和效率间达到平衡，适合GPU部署和TensorRT优化。

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

GithubRAM++图像识别多模态开源模型开源项目零样本学习

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。

Realistic_Vision_V2.0 - AI驱动的高品质摄影级图像生成模型

AI绘图GithubHuggingfaceMage.Space关键词提示图像生成开源项目模型高质量照片

Realistic_Vision_V2.0是一个开源的AI图像生成模型，专门用于创建逼真的肖像和场景。该模型支持8K超高清输出，能够呈现精细的皮肤纹理和自然的光线效果。为优化生成结果，模型提供了专门的提示模板和负面提示建议。结合特定的VAE和推荐参数，Realistic_Vision_V2.0能够生成高度写实、专业品质的图像。

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