Project Icon

PointMamba

用于点云分析的简单状态空间模型

该项目提出了一种名为PointMamba的模型,它通过借鉴Mamba模型在自然语言处理中的成功经验,应用在点云分析中。PointMamba采用了线性复杂度算法,在有效减少计算成本的同时,提供了卓越的全局建模能力。该模型通过空间填充曲线进行点云标记,并使用非分层结构的Mamba编码器作主干网络。综合评估表明,PointMamba在多个数据集上的表现优异,显著降低了GPU内存使用和计算量,为未来的研究提供了一个简单而有效的基准。

Open3D-PointNet2-Semantic3D - 使用Open3D和PointNet++进行高效3D数据处理与语义分割
GithubOpen3DPointNet++Semantic3D开源项目机器学习语义分割
该项目演示了如何使用Open3D与PointNet++进行3D点云的加载、预处理及语义分割,提供了高效的点云操作方法和训练预测流程,为Semantic3D数据集提供了简洁优化的基准实现,适用于深度学习应用的快速开发。
honeybee - 优化多模态大语言模型性能的局部性增强投影器
GithubHoneybee多模态大语言模型局部性增强投影器开源项目深度学习计算机视觉
Honeybee项目通过局部性增强投影器提升多模态大语言模型性能。该项目在MMB、MME、SEED-I等基准测试中表现优异,提供预训练和微调模型检查点。Honeybee支持多种数据集,包含详细的数据准备、训练和评估指南,为多模态AI研究和开发提供开源工具。
tdmpc2 - 跨领域连续控制的可扩展世界模型
GithubTD-MPC2多任务学习开源项目强化学习模型训练连续控制
TD-MPC2是一种可扩展的基于模型的强化学习算法,在104个连续控制任务中展现出色性能。该算法使用317M参数的单一模型可执行80个跨领域任务。项目提供300多个模型检查点和多任务数据集,支持状态和像素输入,为模型强化学习研究提供重要资源。
MeshAnything - 自回归Transformer实现的3D网格生成技术
Github三维模型生成人工智能开源项目机器学习深度学习计算机视觉
MeshAnything是一种基于自回归Transformer的3D网格生成技术,可根据输入生成高质量3D模型。支持网格和点云输入,能生成最多800面的模型。提供命令行接口和Gradio演示,适用于3D重建、扫描等场景。项目采用Python实现,支持Ubuntu系统和CUDA 11.8。安装简便,可通过pip直接安装或从GitHub克隆。目前已发布350m版本,并推出支持1600面的V2版本。
LangSplat - 将3D场景与自然语言融合的高斯点云渲染技术
3D语言高斯分散CVPR2024GithubLangSplat开源项目计算机视觉语言特征
LangSplat是一种创新的3D语言高斯点云渲染技术,融合3D场景重建和自然语言处理。该技术引入场景级语言自动编码器,降低内存需求,实现高效语言特征建模。项目提供完整训练流程,涵盖特征生成、自动编码器训练和模型优化,支持研究者在自定义场景中应用LangSplat。
m2 - 子二次GEMM架构Monarch Mixer实现高效语言模型
GithubM2-BERTMonarch Mixer人工智能开源项目机器学习自然语言处理
Monarch Mixer是一种创新的子二次GEMM架构,用于训练序列长度和模型维度均为子二次的语言模型。该架构使用Monarch矩阵层替代Transformer中的注意力和MLP操作,提高了计算效率。基于此架构的M2-BERT模型在减少25%参数和计算量的同时,在GLUE基准测试中达到了与BERT相当的性能。项目开源了预训练模型权重以及预训练和微调代码,方便研究者进行further研究。
multi-hmr - 单次处理实现多人全身3D人体网格重建
GithubMulti-HMR人体网格重建多人检测开源项目深度学习计算机视觉
Multi-HMR是一种高效的单次处理模型,用于多人全身人体网格重建。该模型仅需一张RGB图像输入,即可在相机空间中重建多个人的3D模型。项目在BEDLAM、EHF等多个数据集上实现了领先性能,并提供预训练模型和演示代码,可应用于图像中的多人3D重建任务。
PointTinyBenchmark - 目标定位与检测的先进开源工具箱
GithubTinyPersonmmdetection开源项目点监督目标定位目标检测
基于mmdetection的开源工具箱,专注目标定位和检测任务。项目实现了多项先进算法,如小目标检测尺度匹配、单点监督目标定位等。提供丰富资源,支持计算机视觉研究,尤其适用于小目标和点监督场景。为研究人员提供了强大工具,推进计算机视觉领域发展。
MoE-LLaVA - 高效视觉语言模型的新方向
GithubMoE-LLaVA多模态学习大视觉语言模型开源项目性能表现稀疏激活
MoE-LLaVA项目采用混合专家技术,实现了高效的大规模视觉语言模型。该模型仅使用3B稀疏激活参数就达到了与7B参数模型相当的性能,在多项视觉理解任务中表现优异。项目提供简单的基线方法,通过稀疏路径学习多模态交互,可在8张A100 GPU上1天内完成训练。MoE-LLaVA为构建高性能、低参数量的视觉语言模型探索了新的方向。
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。
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