GNT

使用Transformer重建和渲染NeRF模型

Generalizable NeRF Transformer (GNT) 是一个用于高效重建和渲染神经辐射场的纯Transformer架构。它通过视图Transformer和射线路径Transformer两个阶段完成场景表示和渲染。GNT在跨场景训练中展示了其在多个数据集上优异的性能和普遍适用性。

访问官网

Github

论文

介绍相关项目

transformer-models - MATLAB深度学习变换器模型实现库

BERTGithubMATLABTransformer开源项目深度学习自然语言处理

该项目提供MATLAB环境下的多种深度学习变换器模型实现，包括BERT、FinBERT和GPT-2。支持文本分类、情感分析、掩码标记预测和文本摘要等自然语言处理任务。项目特点包括预训练模型加载、模型微调、详细示例和灵活API，可用于研究和实际应用。

Transformers-for-NLP-2nd-Edition - BERT到GPT-4的Transformer模型详解

BERTGPT-4GithubOpenAI APITransformers-for-NLP-2nd-Edition开源项目机器学习

本项目涵盖了从BERT到GPT-4的Transformer模型，提供了在Hugging Face和OpenAI环境下的微调、训练及提示工程示例。还包括ChatGPT、GPT-3.5-turbo、GPT-4和DALL-E的使用示例，包括语音到文本、文本到语音、文本到图像生成等内容。详述了GPT-4 API提示工程和最新平台更新，提供实用的指导与教程。

TransGPT - 开源交通大模型引领智能出行新时代

GithubTransGPT交通大模型多模态开源数据集开源项目评测

TransGPT作为国内首个开源交通大模型，致力于解决实际交通问题。该模型具备交通预测、智能咨询、公共交通服务、交通规划和安全教育等多项功能，为道路、桥梁、隧道和公路运输等领域提供通用知识支持。TransGPT开源了模型、代码和数据，允许免费商用，旨在促进智能交通技术的广泛应用和发展。

UrbanGPT - 时空大语言模型助力城市智能分析与建模

GithubUrbanGPT城市任务开源项目指令微调时空大语言模型预训练

UrbanGPT是一款创新的时空大语言模型，融合时空依赖性编码器和指令微调范式。该模型能够理解复杂的时空相互依赖关系，在数据稀缺情况下实现全面准确的预测。UrbanGPT在多种城市任务中展现出优秀的泛化能力，尤其在零样本场景下表现出色，为城市规划和管理提供了有力的智能分析支持。

SAX-NeRF - 稀疏视角X光3D重建与CT扫描工具箱

3D重建CT重建GithubSAX-NeRFX射线开源项目数据生成

这个工具箱支持X光新视角合成（NVS）和计算机断层扫描（CT）重建，包含9种前沿算法：6种基于NeRF，2种基于优化，1种为分析方法。此外，提供了可视化代码和数据生成代码，支持科研工作。用户可以下载预训练模型和训练日志进行测试和调试，并生成自己的CT数据。详情请访问项目仓库。

transformer-explainer - 帮助理解Transformer模型与GPT-2预测的实时交互式工具

GPT-2Georgia Institute of TechnologyGithubMIT许可Transformer Explainer交互式可视化工具开源项目

Transformer Explainer 是一款互动可视化工具，帮助理解基于Transformer的模型如GPT的工作原理。该工具在浏览器中运行实时的GPT-2模型，允许实验自己的文本并实时观察Transformer内部组件的协同预测过程。适合技术人员与学习者深入探索Transformer模型机制与应用。

chat-with-nerf - 对话式神经辐射场3D对象定位技术

3D视觉定位Chat with NeRFGithub交互式对话大语言模型开源项目神经辐射场

Chat with NeRF项目利用人工智能和计算机视觉技术，通过自然语言对话实现神经辐射场中3D对象的开放词汇定位。该创新技术结合交互式定位，允许用户与AI代理对话来精确定位新颖物体。项目提供交互式演示、开源代码和全面评估结果，展示了3D视觉与语言交互的突破性应用。相关研究深入探讨了大型语言模型在3D视觉定位中的潜力，为计算机视觉领域开辟了新的发展方向。

TriplaneGaussian - 基于Triplane和高斯散射的快速单视图3D重建技术

3D重建GithubTransformerTriplaneGaussian单视图开源项目高速重建

TriplaneGaussian是一种结合Triplane和高斯散射的3D重建技术。该方法采用混合Triplane-Gaussian 3D表示，融合显式和隐式表示优点，能在几秒内从单一视角图像生成高质量3D模型。这种技术不仅适用于合成图像，还能处理真实世界照片，展现了较强的泛化能力。TriplaneGaussian通过创新的表示方法实现了高效且通用的3D重建，为单视图3D重建领域提供了新的解决思路。

factor-fields - 神经场和信号表示的统一框架

3D场景重建Factor FieldsGithub图像处理开源项目深度学习神经场

Factor Fields是一个新型神经场表示框架，提供高质量近似、紧凑模型和快速训练。该框架支持图像处理、SDF表示、NeRF渲染等多种应用，并具有跨场景泛化能力。作为信号建模和表示的统一方法，Factor Fields在多个领域展现出卓越性能，为未见图像和3D场景的处理提供了创新解决方案。

VoxFormer - 基于稀疏体素变换器的相机驱动3D语义场景补全方法

3D语义场景补全CVPRGithubVoxFormer开源项目计算机视觉语义分割

VoxFormer是一种基于Transformer的创新框架，仅通过2D图像即可生成完整的3D语义体素。它采用两阶段设计：先从深度估计生成可见占据体素查询，再通过密集化阶段生成完整3D体素。在SemanticKITTI数据集上，VoxFormer在几何和语义方面分别提升了20.0%和18.1%，同时将训练所需GPU内存减少约45%。这为相机驱动的3D语义场景补全任务提供了一个强有力的基线。

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