DCNv4

为视觉应用设计的高效算子，通过优化空间聚合和内存访问

DCNv4是一种为视觉应用设计的高效算子。通过优化空间聚合和内存访问,它解决了DCNv3的局限性。DCNv4在图像分类、分割和生成等任务中表现优异,收敛和处理速度显著提升,前向速度提高3倍以上。其卓越的性能和效率使DCNv4成为未来视觉模型的潜力基础构建块。

Github

FCOSGithubResNet-50卷积神经网络开源项目性能提升目标检测

FCOS算法是一种完全卷积的单阶段对象检测方法，通过避免使用锚点框，提高了检测性能和速度。在COCO minival数据集上，FCOS实现了46FPS和40.3的AP评分，并在各种模型和硬件上表现出色，包括ResNe(x)t和MobileNet等。与Faster R-CNN相比，FCOS在ResNet-50平台上表现更佳（38.7对36.8的AP），且训练和推理时间更短。该项目已基于Detectron2实现，并引入了多项优化和改进。

DeepLearningExamples - 优化深度学习训练和部署的最佳实践

CUDA-XDeep LearningGithubNGCNVIDIATensor Cores开源项目

distill-sd - 更小更快速的Stable Diffusion模型，依靠知识蒸馏实现高质量图像生成

GithubStable Diffusion开源项目模型压缩神经网络训练细节预训练检查点

基于知识蒸馏技术开发的小型高速Stable Diffusion模型。这些模型保留了完整版本的图像质量，同时大幅减小了体积和提升了速度。文档详细介绍了数据下载脚本、U-net训练方法和模型参数设置，还支持LoRA训练及从检查点恢复。提供清晰的使用指南和预训练模型，适配快速高效图像生成需求。

control_v11f1e_sd15_tile - 基于ControlNet的高精度图像超分辨率与细节增强模型

ControlNetGithubHuggingfaceStable Diffusion图像生成开源项目扩散模型模型深度学习

control_v11f1e_sd15_tile是ControlNet v1.1系列中专注于图像细节增强的模型。通过与Stable Diffusion结合，该模型能将低分辨率或模糊图像转换为清晰度更高的图像。这个开源项目不仅支持图像超分辨率处理，还可用于生成与输入图像大小相同但细节更丰富的图像，为数字图像处理提供了新的解决方案。

convnextv2_huge.fcmae_ft_in22k_in1k_512 - ConvNeXt-V2高效的图像分类与特征提取模型

ConvNeXt-V2GithubHuggingfaceImageNet图像分类开源项目模型模型预训练特征提取

ConvNeXt-V2模型在全卷积掩码自动编码器框架下进行预训练，并在ImageNet-22k和ImageNet-1k数据集上微调，提升了图像分类和特征提取的效率。模型拥有660.3M参数，处理512x512图像，适合复杂计算需求。支持图像分类、特征图提取和图像嵌入，确保高准确率和多样化应用，结合timm库简化操作，适用于研究和工业应用。

Llama-3.2-11B-Vision-Instruct-nf4 - 量化视觉语言模型实现高效图像分析与理解

GithubHuggingfaceLlama-3.2图像识别开源项目模型模型部署神经网络量化视觉AI模型

Llama-3.2-11B-Vision-Instruct-nf4是一个基于meta-llama/Llama-3.2-11B-Vision-Instruct的量化视觉语言模型，采用BitsAndBytes的NF4(4位)量化技术，无需双重量化即可实现高效推理。该模型主要用于图像字幕生成等视觉分析任务，并提供详细的使用示例代码。项目还包含配套的ComfyUI自定义节点，为开发者提供了便捷的视觉分析工具集成方案。

nvdiffrec - 从多视角图像优化3D模型的拓扑结构、材质和光照

3D模型GithubNVIDIANeRFPyTorchnvdiffrec开源项目

本项目旨在从多视角图像优化3D模型的拓扑结构、材质和光照，基于论文《从图像中提取三角形3D模型、材质和光照》的方法。项目新增支持FlexiCubes技术，并简化代码，保持原有运行性能。需要Python 3.6+及CUDA 11.3+环境，主要适用于高端NVIDIA GPU。提供多种配置和示例，包括NeRF合成数据集及NeRD数据集，并有详细的安装和使用教程，适合从事3D深度学习研究的开发者和学者。

DIS - 高精度二值图像分割方法，优化模型与即将发布的V2.0数据集

DIS datasetDichotomous Image SegmentationECCV 2022GithubIS-NetU2-Net开源项目

简要介绍高精度二值图像分割（DIS）任务的新进展，包括ECCV 2022接受的论文、DIS5K数据集V1.0和即将发布的V2.0版本。DIS任务应用于3D建模、图像编辑、艺术设计、静态图像动画和增强现实等领域。目前发布的为学术版本模型，用户可通过链接下载预训练权重进行推理。优化模型和更全面的数据集即将发布，敬请关注。

DSVT - 易于部署的大规模点云3D对象检测系统

3D对象检测CVPR 2023DSVTGithubWaymo动态稀疏体素转化器开源项目

DSVT是一款高效且易于部署的大规模点云3D对象检测系统，适用于Waymo和NuScenes等数据集。通过动态稀疏体素变换器和旋转集合分区策略，DSVT实现了27Hz的实时推理速度，提供了在单帧和多帧检测中的卓越表现，适用于自动驾驶等场景。

control_v11f1p_sd15_depth - 基于深度图的ControlNet模型为Stable Diffusion提供精准深度控制

ControlNetGithubHuggingfaceStable Diffusion图像处理图像生成开源项目模型深度估计

control_v11f1p_sd15_depth是ControlNet v1.1系列的深度图控制模型。它通过深度信息精确控制图像生成，支持多种深度估计方法。相比1.0版本，新模型优化了训练数据，提高了预处理器兼容性，增强了通用性和鲁棒性。该模型可与Stable Diffusion等扩散模型配合使用，为图像生成提供精确的深度控制。

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。

稿定AI

稿定设计是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com