UniTR

多模态变换器网络推动3D感知进展

UniTR是一种新型统一多模态变换器网络,用于3D感知任务。它通过共享权重处理相机和激光雷达等多传感器数据,实现高效多模态融合。在nuScenes数据集上,UniTR在3D目标检测和BEV地图分割任务中均达到最新水平,且降低推理延迟。该研究为提升自动驾驶系统的感知能力提供了新思路。

访问官网

Github

论文

介绍相关项目

univnet - 具有多分辨率频谱图鉴别器的神经声码器

GANGithubUnivNet开源项目神经合成器音频样本高保真波形生成

UnivNet是一种利用多分辨率频谱鉴别器的神经声码器，旨在提供高保真波形生成。本项目包括一个非官方PyTorch实现，并可与原始研究的客观评分相匹敌。它在主观评测中胜过HiFi-GAN，推理速度也比HiFi-GAN快1.5倍。项目还提供预置的训练参数和预训练模型，支持高度自定义和不同的音频数据源。

uni2ts - 时间序列预测Transformer模型的统一训练框架

GithubPyTorchTransformerUni2TS开源项目时间序列预测预训练模型

Uni2TS是一个基于PyTorch的开源库，专门用于时间序列Transformer的研究和应用。它提供了统一的大规模预训练解决方案，支持微调、推理和评估。该库集成了零样本预测、自定义数据集处理和全面评估功能，并提供简化的命令行界面。Uni2TS旨在推动时间序列预测领域的进展，适用于研究和实际应用场景。

InternVL2-40B - 强化跨模态大语言模型的能力

GithubHuggingfaceInternVL场景文本理解多模态开源项目模型视觉理解计算机视觉

InternVL 2.0 通过融合多模态大语言模型，在文件和图表理解、信息图问答、场景文本理解和OCR任务等方面表现出色。它能够利用长文本、多图片和视频进行训练，提升对多种输入的处理效率，并提供1亿到108亿参数的多种模型可选择，与商业模型相当。在多项基准测试中，InternVL 2.0 展示了其卓越的综合理解能力。

HunyuanDiT - 实现多分辨率扩散和细粒度中英文理解

GithubHunyuanDiT中英双语多轮对话开源开源项目文本生成图像

HunyuanDiT是一个多分辨率扩散变换器模型，具有细粒度的中英文理解能力。该模型采用优化的变换器结构、文本编码器和位置编码，通过迭代数据流程提升性能。HunyuanDiT支持多轮多模态对话，可根据上下文生成和优化图像。经专业评估，该模型在中文到图像生成方面达到开源模型的先进水平。

nnUNet - 自适应医学图像分割深度学习框架

GithubnnU-Net医学影像图像分割开源项目深度学习自动化

nnUNet是一个自适应深度学习框架,专注于医学图像分割。它可自动分析训练数据并优化U-Net分割流程,无需专业知识即可使用。支持2D和3D图像,处理多种模态和输入通道,并能应对不平衡类别分布。在多个生物医学图像分割挑战中表现出色,广泛用作基线方法和开发框架。适用于领域科学家和AI研究人员,为医学图像分析提供强大支持。

flatformer - 优化点云变换器性能

3D目标检测FlatFormerGithubWaymo数据集开源项目点云transformer自注意力机制

FlatFormer是一种新型点云变换器算法，采用扁平化窗口注意力机制提高处理效率。在Waymo开放数据集上，它实现了领先的精度，并比现有方法快4.6倍。FlatFormer首次在边缘GPU上达到实时性能，为自动驾驶等对延迟敏感的应用开辟新途径。该算法通过平衡空间邻近性和计算规律性，减少了结构化和填充开销。

NDR-code - 单目RGB-D相机的动态场景神经表面重建

3D重建GithubNeurIPSRGB-D相机动态场景重建开源项目神经网络

NDR是一种基于神经网络的动态场景表面重建方法，利用单目RGB-D相机数据恢复高保真几何、运动和外观。该技术无需模板，适用于复杂场景重建。NDR在NeurIPS 2022会议获得Spotlight展示，体现了其在3D视觉领域的创新性。项目提供开源代码和数据集，为相关研究提供参考。

YOLOv8-multi-task - 轻量级神经网络实现实时多任务目标检测与分割

GithubYOLOv8多任务学习开源项目目标检测自动驾驶语义分割

YOLOv8-multi-task项目提出了一种轻量级神经网络模型，可同时执行目标检测、可行驶区域分割和车道线检测等多任务。该模型使用自适应拼接模块和通用分割头设计，在提高性能的同时保持高效率。实验表明，该模型在推理速度和可视化效果方面优于现有方法，适用于需要实时处理的多任务场景。

unet.cu - UNet扩散模型的高性能CUDA实现

CUDAGithubUNet卷积神经网络图像生成开源项目深度学习

这个开源项目使用纯C++/CUDA实现了UNet扩散模型训练框架,支持无条件扩散。框架包含线性层、组归一化、注意力等核心算子的GPU加速实现,重点优化3x3卷积。通过多次迭代提升CUDA kernel性能,训练速度达PyTorch的40%。项目展示了深度学习框架在GPU上的高效实现过程,为相关开发提供参考。

DyCo3D - 动态卷积实现鲁棒3D点云实例分割

3D点云实例分割DyCo3dGithub动态卷积开源项目深度学习计算机视觉

DyCo3D提出了一种新型3D点云实例分割方法，采用动态卷积技术处理实例尺度变化问题。该方法结合大范围上下文信息和轻量级Transformer，在ScanNetV2和S3DIS数据集上取得领先结果，推理速度提升25%以上。DyCo3D简化了传统bottom-up方法的复杂流程，对超参数不敏感，为3D点云实例分割领域提供了高效且鲁棒的新方案。

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