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。

IDM-VTON - 改进扩散模型的虚拟试衣技术 生成逼真服装搭配
GithubIDM-VTON人工智能图像生成开源项目扩散模型虚拟试衣
IDM-VTON项目改进了扩散模型在虚拟试衣领域的应用。该技术能在复杂背景和姿势下生成逼真的服装搭配效果,克服了传统方法的局限性。项目开源了训练和推理代码,支持VITON-HD和DressCode等数据集,并提供在线演示。这一技术为时尚电商和个人造型应用提供了新的可能性。
DeepLabCut - 无标记动物姿态估计工具箱
DeepLabCutGithub动物姿态估计开源工具箱开源项目神经科学应用行为追踪
DeepLabCut是一个无标记动物姿态估计工具箱。此工具适用于各类动物行为的分析,并通过TensorFlow和PyTorch加强模型训练功能。它整合了多种新技术,如MobileNetV2s与EfficientNets,有效提升了效率与准确性。项目提供多语种文档与在线课程,方便用户快速掌握实时多动物追踪及三维姿态估计技术。DeepLabCut已应用于多种场合并获得验证,通过社区持续的优化适用于从神经科学到生态研究的广泛领域。
MotionGPT - 构建多任务的人体动作与语言统一模型
GithubMotionGPT人体动作人机交互多模态数据开源项目模型训练
MotionGPT是一种整合人体动作和语言的统一模型,专注于两种模态间的语义耦合学习。在诸多人体动作任务中表现优异,包括文本驱动动作生成、动作标题生成及动作预测。该模型结合预训练与指令性微调,能高效处理多种动作相关任务,是动作语言模型的新代表。此外,其零拍技术使其能识别新词汇并生成相应动作,突显处理复杂场景的能力。
Stable-DINO - 基于稳定匹配的高性能目标检测模型
COCO数据集GithubStable-DINO开源项目深度学习目标检测计算机视觉
项目采用稳定匹配算法,结合检测变压器架构,在目标检测领域取得突破。模型在COCO数据集上实现63.8 AP,具有高性能、易用性和低计算开销等特点。Stable-DINO可与现有DETR变体整合,并在多种backbone下表现出色。该技术不仅适用于目标检测,还可扩展到实例分割等相关任务。
Arc2Face - 生成人脸图像的模型
Arc2FaceGithubID相似性Stable Diffusion人脸模型开源项目高质量图像生成
Arc2Face利用ArcFace嵌入实现快速生成高质量人脸图像。训练于大规模WebFace42M数据集,具备优越的ID相似性和多输入模式扩展性。结合Stable Diffusion,支持ControlNet控制姿态,适用多平台。提供安装和使用指南及加速推理选项,确保灵活高效应用。
AutoStudio - 提升多轮交互图像生成的主体一致性
AutoStudioGithub主体一致性多轮交互式图像生成大语言模型开源项目稳定扩散
AutoStudio是一个创新的多代理框架,专注于解决多轮交互式图像生成中的主体一致性问题。该框架包含主体管理器、布局生成器、监督器和绘图器四个核心组件。通过引入并行U-Net和主体初始化生成方法,AutoStudio实现了连贯多主体图像序列的生成。在CMIGBench基准测试中,该框架在平均Fréchet Inception Distance和平均字符-字符相似度方面分别提升了13.65%和2.83%,展示了其在多轮交互中保持多主体一致性的优异表现。
CFLD - 粗到细潜在扩散实现姿态引导人像合成
CFLDCVPRGithubpose-guided人物图像合成开源项目潜在扩散
CFLD项目提出粗到细潜在扩散方法,用于姿态引导的人像合成。该方法采用多阶段策略,先生成粗略草图再逐步细化,提高了生成图像质量和准确性。作为CVPR 2024亮点论文,CFLD在人像合成领域展现了重要进展。
control_v11p_sd15_mlsd - 条件控制的优化:提升大规模Diffusion模型的定制化能力
ControlNetGithubHuggingfaceStable Diffusion图像调控开源项目扩散模型文本到图像生成模型
ControlNet v1.1通过引入额外的输入条件,实现对大型Diffusion模型的精细化控制。该模型在小数据集环境下也能高效学习,并支持在个人设备上进行快速训练。借助ControlNet,Stable Diffusion等模型能够采用如边缘图、分割图和关键点等条件输入,增强控制能力,推动相关应用的发展。
ICON - 利用法线预测实现穿衣人体的隐含表达,从RGB图像生成高细节的3D模型,包括衣服和人体网格
3D重建CVPR 2022GithubICON人体网格开源项目深度学习
ICON项目利用法线预测实现穿衣人体的隐含表达,从RGB图像生成高细节的3D模型,包括衣服和人体网格。项目支持多种基于PyTorch的模型,适合不同训练和评估需求。最新发布的ECON在此基础上进一步改进了功能。
ComfyUI-AnimateAnyone-Evolved - 姿态驱动视频生成的开源AI项目
AI视频生成AnimateAnyoneComfyUIGithub姿态转视频开源项目深度学习
ComfyUI-AnimateAnyone-Evolved是AnimateAnyone的改进实现,利用姿态图像序列和参考图像生成风格化视频。项目支持DDIM、DPM++等多种采样器和调度器,能处理长序列姿态图像。目标是在RTX 3080及以上GPU上实现每秒1帧以上的姿态到视频生成速度,并通过优化提升性能和质量。
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