OmniNxt

全方位视觉感知的开源紧凑型空中机器人

OmniNxt 全方位视觉感知开源无人机 IROS 2024 Github 开源项目

OmniNxt是一个开源的空中机器人项目，采用四鱼眼相机设计实现360度全方位视觉感知。项目特点包括硬件紧凑、自主飞控系统、视觉惯性里程计和深度估计算法。OmniNxt为空中机器人研究和开发提供了一个功能完备的开放平台，适用于多种复杂环境下的空中任务。

NExT-GPT - NExT-GPT多模态语言大模型的前沿应用和技术

GithubNExT-GPT多模态LLM多模态编码开源项目端到端学习语言模型

NExT-GPT，一个先进的多模态语言处理大型模型，支持文本、图像、视频和音频的综合处理。该模型整合了最新科技，提供代码和数据资源，可广泛应用于内容自动生成和多模态交互等领域。它利用先进的多模态编码器和语言模型进行有效的语义理解与生成，同时能输出特定模态内容，满足多种输入与输出需求。

OmniEvent - 多模型事件抽取框架支持多种范式和语言

GithubOmniEvent事件抽取开源项目数据处理模型训练评估方法

OmniEvent是一个开源事件抽取工具包，支持事件检测和事件论元抽取。它覆盖多种范式，如令牌分类、序列标注、机器阅读理解和序列到序列等，在英文和中文数据集上提供统一评估。采用模块化实现，具有可扩展性，支持大型模型训练和推理，易用性高，兼容Transformers库。

navsim - 创新自动驾驶仿真与评估系统

GithubNAVSIM仿真基准测试开源项目端到端驾驶自动驾驶

NAVSIM是一个创新的自动驾驶仿真与评估系统。它通过简化的场景鸟瞰图抽象来收集端到端驾驶指标，采用开环计算方法平衡效率和闭环评估一致性。该系统支持多种代理模型，提供标准化数据集，为自动驾驶研究提供高效可靠的评估工具。NAVSIM的非反应式设计和数据驱动方法有助于推进自动驾驶技术的发展。

nnom - 适用于微控制器的神经网络库

GithubMicrocontrollerNNoMNeural Network开源项目灵活性高性能

NNoM 是为微控制器设计的高层次神经网络推理库，支持如 Inception、ResNet 和 DenseNet 等复杂结构，可一键部署 Keras 模型并提供用户友好的界面。其高性能后端选择和预编译功能确保了运行时零损耗，同时提供完整的评估工具如运行时分析和混淆矩阵。最新的 v0.4.x 版本新增了循环层（RNN）支持，并切换到更适合机器处理的结构化接口。与 TensorFlow Lite 和 STM32Cube.AI 的对比显示，NNoM 在推理时间和内存占用方面表现出色。

dreamscene4d - 从单目视频生成动态多目标3D场景的突破性技术

3D场景生成DreamScene4DGithub多目标跟踪开源项目视频处理计算机视觉

DreamScene4D是一种从单目视频生成动态多目标3D场景的开源技术。它采用3D高斯和形变优化方法，能处理不同长度的视频和多个目标。项目提供自动化和分阶段优化脚本，支持处理有遮挡和无遮挡的视频。DreamScene4D在复杂场景和长视频序列处理方面表现优异，为计算机视觉和图形学研究提供了新思路。

Mantis - 基于LLaMA-3的先进多图像理解AI模型

GithubLLaMA-3Mantis人工智能多图像指令调优大型多模态模型开源项目

Mantis是基于LLaMA-3的大型多模态模型,专注于多图像视觉语言任务。通过在Mantis-Instruct数据集上进行36小时的指令微调,该模型在5个多图像基准测试中实现了领先性能。Mantis能处理交错的文本和图像输入,有效应对复杂多图像任务,同时保持出色的单图像处理能力。项目开源了代码、模型和演示,为AI研究和开发提供了强大的多图像处理工具。

llama3-llava-next-8b-hf - LLaVA-NeXT：Llama 3驱动的多模态AI模型

GithubHuggingfaceLLaVA-NeXT图像处理多模态开源项目模型深度学习自然语言处理

LLaVA-NeXT是一个基于Llama 3的多模态AI模型，整合了预训练语言模型和视觉编码器。通过高质量数据混合和强化语言骨干网络，该模型在图像描述、视觉问答和多模态对话等任务中表现出色。LLaVA-NeXT支持Python接口，并提供4位量化和Flash Attention 2优化，以提升性能和效率。作为开源项目，LLaVA-NeXT为研究人员和开发者提供了探索多模态AI的有力工具。

OmniTokenizer - 联合图像视频标记器实现高效视觉生成

GithubOmniTokenizerVQVAE图像视频联合标记器开源项目视觉生成语言模型

OmniTokenizer是一个图像和视频联合标记器，采用单一模型和权重，提供最先进的重建性能。它具有高分辨率和长视频适应性，可与语言模型和扩散模型结合实现视觉生成。项目提供预训练模型、训练脚本和评估工具，支持VQVAE和VAE版本，为视觉生成研究提供基础设施。

EyeTrackVR - 为VRChat设计的开源VR眼动追踪平台

EyeTrackVRGithubIR发射器VR眼动追踪开源项目硬件设计

EyeTrackVR是一个专为VRChat开发的开源VR眼动追踪平台。该项目通过OSC和UDP协议运作，兼容多种VR头显。EyeTrackVR提供完整硬件解决方案，包括3D打印支架和红外发射器PCB设计。项目注重用户安全，特别关注红外发射器的使用。虽然仍在开发阶段，但已提供详细文档和社区支持。EyeTrackVR为VR爱好者提供了一个经济实惠且创新的眼动追踪方案。

apollo - 开源自动驾驶平台加速自动驾驶技术创新

ApolloGithub开源平台开源项目硬件集成自动驾驶软件架构

Apollo是一个高性能灵活的自动驾驶开源平台,提供完整的软件框架和开发周期。它包含感知、预测、规划、控制等多个模块,支持多种自动驾驶场景。最新9.0版优化开发体验,提供统一工具平台和易扩展接口,为开发者创造便捷高效的开发环境。Apollo致力于推动自动驾驶技术的创新和应用。

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