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

GET3D - 从2D图像生成高质量3D纹理模型的新突破

3D生成模型GET3DGithub图像学习开源项目生成对抗网络纹理网格

GET3D是一种新型生成模型,可从2D图像集合中学习生成高质量3D纹理网格模型。该模型融合了可微表面建模、可微渲染和生成对抗网络技术,能直接生成具有复杂拓扑结构和丰富几何细节的3D模型。GET3D可生成包括汽车、椅子、动物、摩托车、人物和建筑在内的多种3D模型,在质量上显著超越现有方法,为大规模创建3D虚拟世界内容提供了有力工具。

PETR - 多视角3D感知框架目标检测与BEV分割的统一解决方案

3D目标检测GithubPETRv2nuScenes数据集位置嵌入多视图感知开源项目

PETR是一个多视角3D感知框架,通过位置嵌入变换将3D坐标信息编码到图像特征中。其升级版PETRv2引入时序建模,支持目标检测和BEV分割。该框架在nuScenes数据集上展现了出色性能,为3D感知研究提供了有力基线。此外,PETR还支持3D车道线检测,相关工作在CVPR 2023工作坊中获得第一名。

panoptic-segment-anything - 零样本全景分割融合SAM、Grounding DINO和CLIPSeg的创新方法

CLIPSegGithubGrounding DINOSAM实例分割开源项目零样本全景分割

panoptic-segment-anything项目提出了一种创新的零样本全景分割方法。该方法巧妙结合Segment Anything Model (SAM)、Grounding DINO和CLIPSeg三个模型，克服了SAM在文本感知和语义分割方面的局限性。项目提供Colab notebook和Hugging Face Spaces上的Gradio演示，方便用户体验这一pipeline。此外，预测结果可上传至Segments.ai进行微调，为计算机视觉研究开辟了新的可能性。

rtdetr_r50vd - 全新RT-DETR模型提升精度与速度的实时物体检测方案

GithubHuggingfaceRT-DETRYOLO变压器实时应用开源项目模型目标检测

RT-DETR是面向实时物体检测的创新模型，通过混合编码器和最小化不确定性查询选择，实现高精度和快速检测。模型在COCO和Objects365数据集训练，支持速度调整以适应多种场景。RT-DETR-R50/R101在COCO上分别取得53.1%和54.3%的平均精度，在T4 GPU上达到108和74 FPS，性能超过YOLO模型。

U-2-Net - 深度嵌套U结构助力显著对象精准检测

GithubU2-Net人像分割图像背景移除开源项目模型训练视觉应用

U-2-Net，一项荣获2020年模式识别最佳论文奖的创新技术，通过其深度嵌套U结构显著提升对象检测精准度。此技术广泛适用于图像处理、视频分析、背景移除及人像生成等领域，并提供丰富的开发资源助力应用的快速迭代。

yolov7 - 实时目标检测算法实现性能新突破

GithubYOLOv7开源项目性能优化深度学习目标检测计算机视觉

YOLOv7是一款高效的实时目标检测算法，在MS COCO数据集上实现了51.4% AP的性能。该项目提供多种模型变体，包括YOLOv7-X和YOLOv7-W6等，适用于不同应用场景。此外，YOLOv7还具备姿态估计和实例分割功能，支持多GPU训练、迁移学习和模型导出，是一个全面的目标检测解决方案。

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。

3D-VisTA - 简化3D视觉和文本对齐的新型预训练模型

3D-VisTAGithub多模态融合开源项目自然语言处理计算机视觉预训练模型

3D-VisTA是一种新型预训练变换器模型,专注于3D视觉和文本对齐。该模型采用简洁统一的架构,无需复杂的任务特定设计,可轻松适应多种下游任务。通过在大规模ScanScribe数据集上预训练,3D-VisTA在视觉定位、密集字幕生成等3D视觉语言理解任务中达到了领先水平。此外,该模型还表现出优异的数据效率,即使在标注数据有限的情况下也能保持强劲性能。

Make-It-3D - 单图生成高逼真3D模型

3D重建GithubICCV 2023Make-It-3D单张图像开源项目高保真

Make-It-3D项目利用训练良好的2D扩散模型，从单个图像生成高质量3D内容。方法采用两阶段优化流程，先优化神经辐射场整合正视图和新视角的扩散先验，后将粗略模型转化为纹理点云并提升现实感。实验显示，该方法在视觉质量和重建准确性上大幅领先，并支持文本到3D创建和纹理编辑等应用。

depthai - 深度学习与视频录制的多功能演示应用

DepthAIDockerGithubLuxonisPython依赖安装开源项目

这个项目提供了一个多功能的深度学习API演示程序，支持加载多种神经网络、创建管道和录制视频等功能。附有详细的安装指南和多种使用案例（包括QT GUI界面和命令行模式），用户能够轻松上手和测试DepthAI的功能。项目还支持多种AI模型，并可通过Docker运行，适用于开发者和机器学习爱好者。

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