Project Icon

DWPose

基于两阶段蒸馏的高效全身姿态估计方法

DWPose是一种采用两阶段知识蒸馏的全身姿态估计方法。该项目提供多个不同规模的模型,在COCO-WholeBody数据集上表现出色。DWPose可替代OpenPose用于ControlNet,提升图像生成质量。项目开源了模型及相关代码,支持ONNX推理,并可与Stable Diffusion WebUI集成。

D-FINE - 精细化分布优化在实时物体检测中的应用
D-FINEDETRFine-grained Distribution RefinementGithub对象检测开源项目自蒸馏
D-FINE是一款实时物体检测工具,通过重新定义DETRs中的边框回归任务为精细化分布优化(FDR)以及引入全局最优定位自蒸馏(GO-LSD),在不增加推理和训练成本的情况下,提升了检测性能。它在复杂街道场景下具有出色的定位能力,对于逆光、运动模糊和密集人群等挑战表现优异。最新版本增强了预训练模型的性能并提供了自定义数据集微调和输入尺寸调整的配置。
depth-anything-small-hf - 基于大规模无标注数据的先进深度估计模型
Depth AnythingGithubHuggingface图像处理开源项目模型深度估计视觉模型零样本学习
Depth Anything是一款基于DPT架构和DINOv2骨干网络的创新深度估计模型。通过对约6200万张图像的训练,该模型在相对和绝对深度估计领域均实现了突破性成果。它不仅支持零样本深度估计,还能适应多样化的场景图像。研究人员和开发者可以通过简洁的pipeline或灵活的自定义类,轻松实现高精度的图像深度估计。
DMD2 - 改进分布匹配蒸馏的快速图像合成技术
AI绘图DMD2Github图像生成开源项目文本生成图像模型蒸馏
DMD2是一种改进的分布匹配蒸馏技术,用于快速图像合成。通过消除回归损失、集成GAN损失和支持多步采样,该技术显著提升了图像生成的质量和效率。在ImageNet-64x64和COCO 2014数据集上,DMD2的FID评分超越原始模型,同时将推理成本降低500倍。此外,DMD2还能生成百万像素级图像,在少步方法中展现出卓越的视觉效果。
OOTDiffusion - 先进的AI驱动虚拟试衣技术
AI模型GithubOOTDiffusion图像生成开源项目深度学习虚拟试衣
OOTDiffusion是一项基于AI的虚拟试衣技术,通过先进的扩散模型实现服装与人物模型的精确融合。该技术支持半身和全身模型,生成高质量的试穿效果图。项目开源了预训练模型和推理代码,并提供在线演示。OOTDiffusion在虚拟试衣和时尚电商领域展现出显著优势,为这些行业提供了创新的技术解决方案。
CatVTON - 高效轻量的虚拟试衣扩散模型
CatVTONGithub参数高效训练开源项目扩散模型简化推理虚拟试衣
CatVTON是一个高效的虚拟试衣扩散模型,采用轻量级网络结构和参数高效训练方法。该模型总参数量为899.06M,其中可训练参数仅49.57M,在1024x768分辨率下推理时显存占用不到8G。项目开源了完整代码、预训练权重,并提供在线演示。CatVTON支持ComfyUI和Gradio部署,在VITON-HD和DressCode数据集上展现出优异性能,推动了虚拟试衣技术的发展。
HumanArt - 多场景人体数据集助力计算机视觉研究
GithubHuman-Art人体姿态估计人工智能开源项目数据集计算机视觉
Human-Art数据集包含50,000张来自20个场景的图像,涵盖自然和人工环境中的2D和3D人体表现。该数据集提供人体边界框、21个2D关键点、自接触关键点和描述文本等标注,旨在推进多场景人体检测、姿态估计和3D重建等任务。Human-Art的多样性有助于提高模型在实际应用中的特征提取和人体理解能力,同时支持跨域应用和可控人体图像生成。
2dimageto3dmodel - 创新损失函数实现单图2D到3D模型生成
3D模型生成GANGithub单图重建开源项目损失函数点云
该项目开发了一种新型损失函数,能够直接从单张2D图像生成3D模型,无需复杂的渲染过程。项目采用条件GAN架构实现纹理映射,并优化了点云到3D网格的转换技术。在CUB鸟类和Pascal 3D+数据集上的测试显示了显著效果。此外,项目还提供预训练模型、伪真值生成和网格生成器训练等功能,为3D重建研究领域贡献了实用工具和参考方法。
T2M-GPT - 基于Pytorch的从文本描述到人类动作生成的AI技术
GithubT2M-GPT三维模型人体运动生成开源项目深度学习视觉结果
T2M-GPT, 领先的AI技术, 通过解析文本生成精准的人类动作,已在2023年IEEE/CVF会议展示认可。包含易用的安装、快速指南及训练评估资料,支持多种3D动作数据集。
MonoHuman - 单目视频生成可动画化3D人体神经场景技术
3D渲染GithubMonoHuman人体神经场动画化人体单目视频开源项目
MonoHuman框架利用单目视频生成高质量、视角一致的3D人体动画。通过双向变形约束和关键帧信息建模变形场,实现任意新姿势的高保真渲染。该技术在ZJU-Mocap数据集和自然场景视频中表现优异,为虚拟现实和数字娱乐领域提供了有力支持。
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

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

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

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。

Project Cover

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。

Project Cover

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。

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