Project Icon

byt5-geotagging

ByT5编码器驱动的开源地理标记模型框架

byt5-geotagging是一个开源的地理标记模型框架,基于ByT5编码器架构。该项目提供了自定义训练支持和多种地理位置检测场景的数据集。模型在最相关10%文本上实现30公里中位误差的精度。框架集成了置信度估计功能,用于评估预测坐标的可靠性。该项目代码易于探索和适配,方便开发者集成到各类应用中。

VLN-BEVBert - 多模态地图预训练助力语言引导导航
BEVBertGithub交叉模态推理多模态地图预训练开源项目空间感知视觉语言导航
BEVBert项目为视觉语言导航(VLN)任务开发了新型地图预训练范式。通过结合局部度量地图和全局拓扑地图,该方法平衡了VLN的短期推理和长期规划需求。在R2R、R2R-CE、RxR和REVERIE四个VLN基准测试中,BEVBert展现出领先性能。项目开源了完整代码,并提供详细指南,便于研究人员复现实验和进行深入研究。
3d-bat - 全面高效的3D全景数据标注工具箱
3D BATGithub多模态数据开源项目标注工具自动驾驶计算机视觉
3D-BAT是一个开源的3D边界框标注工具箱,专门用于全景多模态数据流的处理。该工具支持AI辅助标注、批量编辑和插值模式等功能,实现了3D到2D的标签转换和自动跟踪。作为基于Web的应用,3D-BAT支持在线访问和跨平台使用,并提供了高度的可定制性。这个工具箱为自动驾驶和计算机视觉等领域的研究提供了一个实用的数据标注解决方案。
joytag - 多标签AI图像标记模型 支持5000+标签
AI视觉模型GithubJoyTagViT架构图像标签多标签分类开源项目
JoyTag是基于ViT-B/16架构的AI视觉模型,专用于图像多标签分类。采用Danbooru标记体系,支持5000多个标签,适用于手绘和摄影等多种图像类型。模型在0.4阈值下F1分数达0.578,能为每张图像生成独立标签预测。可用于diffusion模型训练等多种应用场景。
MagicDrive - 多样化3D几何控制的街景生成框架
3D几何控制GithubMagicDrive开源项目扩散模型街景生成计算机视觉
MagicDrive是一个创新街景生成框架,提供多样化的3D几何控制,包括相机姿态、道路地图和3D边界框。通过结合文本描述、定制编码策略和跨视图注意力模块,实现了多相机视角的一致性。该框架能生成高保真街景图像和视频,精确捕捉3D几何特征和场景细节,有助于提升BEV分割和3D物体检测等任务的性能。
gtr-t5-large - 基于T5-large的语义搜索模型 实现句子到768维向量的映射
GithubHuggingfaceT5模型sentence-transformers向量嵌入开源项目模型自然语言处理语义搜索
gtr-t5-large是一个基于sentence-transformers框架的语义搜索模型,能够将句子和段落映射到768维的向量空间。该模型由TensorFlow版本的gtr-large-1转换而来,仅使用T5-large模型的编码器部分,并以FP16格式存储权重。gtr-t5-large提供简便的接口,可轻松生成文本嵌入,适用于多种自然语言处理任务,如语义相似度计算和信息检索。
t5-base - 多语言自然语言处理的统一文本转换模型
GithubHuggingfaceT5模型多任务学习开源项目文本到文本转换模型自然语言处理迁移学习
T5-base是一个具有2.2亿参数的语言模型,将NLP任务统一为文本到文本格式。该模型在机器翻译、摘要、问答和分类等任务中表现优异,支持多种语言。T5-base采用创新的预训练方法,结合无监督和有监督任务,在24个NLP任务中进行了评估,为NLP研究和应用提供了强大支持。
gtr-t5-base - 基于T5的高效句子向量模型用于语义搜索
GithubHuggingfaceT5模型sentence-transformers向量嵌入开源项目模型自然语言处理语义搜索
gtr-t5-base是一个基于sentence-transformers框架的语义搜索模型。它将句子和段落映射到768维向量空间,专门针对语义搜索任务优化。该模型由T5-base编码器转换而来,能生成高质量句子嵌入,适用于多种NLP任务。使用简便,仅需安装sentence-transformers库。在句子嵌入基准测试中表现优异,是语义相似度计算和信息检索的有效工具。
geospatial-data-catalogs - 地理空间数据集目录汇总工具
GithubSTAC云计算平台地理空间数据开放数据开源项目数据目录
本项目整合了主流云平台的地理空间数据目录,支持CSV和JSON格式输出,方便开发者快速检索和使用数据。通过每日更新和提供相关资源链接,确保用户能够获取最新、最全面的地理空间数据信息。
CCTag - 检测和定位同心圆标记的高效工具库
CCTagCUDAGPUGithub开源项目检测计算机视觉
CCTag库是一款用于检测和定位同心圆标记的高效工具,兼容CPU和GPU实现。基于CVPR 2016会议论文,该库在严苛条件下表现出色。支持CUDA 8.0及更新版本,建议使用平面支撑材料以保证检测准确性。提供详细文档和持续集成支持,适用于Windows和Linux系统。
TopoNet - 自动驾驶场景拓扑推理的图神经网络方法
GithubOpenLane-V2TopoNet图神经网络场景拓扑推理开源项目自动驾驶
TopoNet是一个端到端框架,用于推理自动驾驶场景中车道中心线和交通元素间的连接关系。该框架采用图神经网络和知识图结构,整合异构特征并加强特征交互。TopoNet在OpenLane-V2数据集上展现了领先性能,为自动驾驶场景拓扑推理树立新标准。项目提供开源代码和预训练模型,促进自动驾驶研究发展。
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

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能,包括文生视频、动态画面和形象生成等,帮助用户快速上手,创造专业级内容。

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

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台,用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品,帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型,为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能,满足事务性工作的高频需求,帮助撰稿人节省精力,提高效率,优化工作与生活。

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

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