LaRa

大基线辐射场技术实现突破性进展

LaRa项目开发了创新的大基线辐射场技术，提高了3D重建效率和质量。通过支持半精度训练，该技术实现了收敛速度提升100%以上，性能增益约1.5dB。LaRa能从多视图、文本和单视图输入重建辐射场，在计算效率和重建质量方面取得了显著进展，为3D重建和渲染领域开辟了新途径。

访问官网

tetra-nerf - 四面体表示法提升神经辐射场渲染效率

3D渲染GithubTetra-NeRF四面体表示开源项目神经辐射场计算机视觉

Tetra-NeRF是一种创新的神经辐射场表示方法，通过四面体结构提高渲染效率和质量。该方法将输入点云三角化为四面体集合，使用重心插值和浅层MLP进行体积渲染。在Blender、Tanks and Temples及Mip-NeRF 360等数据集上表现出色。项目提供完整实现代码、预训练模型和详细使用说明，便于研究人员复现和拓展。

LLaVA - 提升大型语言与视觉模型的视觉指令调优

GPT-4GithubLLaVA多模态交互大型语言与视觉模型开源项目视觉指令调优

LLaVA项目通过视觉指令调优提升大型语言与视觉模型的性能，达到了GPT-4级别。最新更新包括增强版LLaVA-NeXT模型及其在视频任务上的迁移能力，以及高效的LMMs-Eval评估管道。这些更新提升了模型的多任务和像素处理能力，支持LLama-3和Qwen等不同规模的模型，并提供丰富的示例代码、模型库和数据集，方便用户快速上手和深度研究。

RADIO - 通过多模型融合提升性能的通用视觉基础模型

CLIPDINOv2GithubRADIOSAM开源项目视觉基础模型

AM-RADIO是一个将多个大型视觉基础模型蒸馏为单一模型的框架。其核心产物RADIO作为新一代视觉基础模型,在多个视觉任务中表现优异,可作为通用视觉骨干网络使用。RADIO通过蒸馏整合了CLIP、DINOv2和SAM等模型,保留了文本定位和分割对应等特性。在ImageNet零样本分类、kNN和线性探测分割等任务上,RADIO超越了教师模型,同时提升了视觉语言模型的性能。此外,RADIO支持任意分辨率和非方形图像输入,并提供了名为E-RADIO的高效变体。

HRDA - 突破性多分辨率域适应语义分割方法

GithubHRDA域适应多尺度开源项目语义分割高分辨率

HRDA是一种创新的多分辨率训练方法，用于无监督域适应的语义分割。它结合高分辨率裁剪保留细节和低分辨率裁剪捕获长程上下文，同时控制GPU内存占用。HRDA在多个基准测试中显著超越现有方法，并可扩展至域泛化。这种方法为自动驾驶等实际应用中的域适应问题提供新思路，推动了计算机视觉技术在复杂场景下的应用。

LLaVAR - 优化视觉指令微调的文本丰富图像理解模型

GithubLLaVAROCR能力多模态大语言模型开源项目文本丰富图像理解视觉指令微调

LLaVAR项目致力于增强大型语言模型对文本丰富图像的理解能力。通过改进视觉指令微调方法，该项目显著提升了模型在OCR相关任务上的表现。LLaVAR开源了模型权重、训练数据，并提供了环境配置、训练脚本和评估方法，为相关研究和开发提供了全面支持。

laser - 层选择低秩化技术提升语言模型推理能力

GithubLASERLayer-Selective Rank Reductiontransformer低秩近似大语言模型开源项目

LASER技术通过选择性替换LLM权重矩阵的低秩近似值，在无需额外训练的情况下显著提升问答任务性能。本项目提供了多个LLM和基准支持的代码，并通过示例展示如何运行实验。最新更新包括结果表和讨论页面，2024年1月将进行代码重构，以提高灵活性和易用性。

Era3D - 基于高效行注意力的高分辨率多视图扩散模型

3D重建AI生成Era3DGithub多视图扩散开源项目高分辨率

Era3D是一个高分辨率多视图扩散模型，采用高效行注意力机制生成3D内容。该模型可从单张图像创建多视角数字人像，包括色彩和法线图像。项目开源了实现代码、预训练权重，并提供在线演示。Era3D在保持输出质量的同时提高了计算效率，为3D内容创作和计算机视觉研究提供了实用工具。

ILCC - 3D激光雷达与相机自动外参标定方法

3D重建GithubLiDAR开源项目点云处理相机标定计算机视觉

ILCC是一个开源项目，提供基于激光反射强度的3D激光雷达和相机自动外参标定方法。项目功能包括点云分割、棋盘格检测、角点提取和外参优化，支持多种激光雷达型号。ILCC适用于全景和单目相机标定，提供3D点云可视化工具。项目附有使用说明和示例数据，便于研究人员使用。

LongQLoRA - 大语言模型上下文长度高效扩展的创新方法

GithubLongQLoRA上下文长度扩展低资源训练大语言模型开源项目性能评估

LongQLoRA是一种扩展大语言模型上下文长度的方法，可在单个32GB V100 GPU上将LLaMA2模型的上下文长度从4096扩展到8192。该方法在PG19和Proof-pile数据集上表现优异，仅需1000步微调即可达到接近MPT-7B-8K的性能。项目还提供了预训练数据集、指令微调数据集以及扩展上下文长度的模型。

FLUX.1-dev-LoRA-add-details - FLUX.1-dev模型的真实感和细节增强LoRA

AI绘图FLUX.1-devGithubHuggingfaceLoRA图像生成开源项目模型真实细节增强

FLUX.1-dev-LoRA-add-details是一个针对FLUX.1-dev模型的增强LoRA，专注于提升图像真实感和细节表现，尤其优化了自然肤质效果。此LoRA无需特定触发词，建议使用1.0的缩放比例，也支持负值应用。通过FluxPipeline可轻松集成，适用于生成逼真的人物肖像和高质量插画风格图像。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com