Project Icon

gta

几何感知注意力机制增强多视图Transformer性能

GTA是一种创新的几何感知注意力机制,旨在提升多视图Transformer的表达能力。这项技术不仅适用于新视角合成和3D场景重建等多视图任务,还可应用于图像生成等2D任务。项目提供了GTA在CLEVR-TR和MSN-Hard数据集上的官方实现代码,并展示了其在ImageNet图像生成中的应用。通过整合几何信息,GTA使Transformer更有效地处理3D空间关系,从而显著提高多视图任务的性能表现。

detr - Transformer架构重塑目标检测流程
DETRGithubTransformer开源项目深度学习目标检测计算机视觉
DETR项目运用Transformer架构创新性地改进了目标检测方法。该方法将传统的复杂流程转化为直接的集合预测问题,在COCO数据集上达到42 AP的性能表现,同时计算资源消耗减半。DETR结合全局损失函数与编码器-解码器结构,实现了图像的高效并行处理,大幅提升了目标检测的速度和准确性。项目开源了简洁的实现代码和预训练模型,便于研究人员进行深入探索和实际应用。
Generative-AI - 多模态图像合成与编辑技术及其分类
Data ModalityGenerative AIGithubMultimodal Image Synthesis and EditingTaxonomyVisual AIGC开源项目
该项目附有一篇综述论文,全面分析了多模态图像合成与编辑(MISE)和视觉AIGC的发展情况,并根据数据模态和模型架构进行了分类研究。通过此项研究,科研人员和技术开发者可以深入了解神经渲染、扩散方法、自回归方法及对抗生成网络(GAN)等不同技术及其应用,帮助更好地掌握多模态图像合成技术的前沿进展与实际应用。
GPT4Point - 用于点语言理解和生成的统一框架
3D点云CVPR2024GPT4PointGithub开源项目生成框架语言理解
GPT4Point项目提供了一个统一框架,用于三维点云与语言的理解和生成,涵盖3D多模态模型、Pyramid-XL自动注释引擎和新的对象级点云基准。项目包含3D多语言模型和控制下的3D生成,包含超过100万个不同详细程度的数据对,并设立了全面的3D点云语言任务评估指标。v1.0版本包含训练和三维描述生成的评估代码。
TransBTS - 使用Transformer实现多模态脑肿瘤医学图像分割
GithubTransBTSTransBTSV2Transformer多模态数据集开源项目脑肿瘤分割
TransBTS与TransBTSV2采用Transformer技术显著提升多模态脑肿瘤与医学图像体积分割的效率与准确性。项目包括详细的模型实现和相关文献,支持BraTS、LiTS、KiTS等医学图像数据集,并利用Python和Pytorch进行数据预处理、模型训练和测试,支持分布式训练。适用于需要高效精准医学图像分割解决方案的研究人员和工程师。
WebGPT - 基于WebGPU的Transformer模型实现与性能分析
GPUGithubJavaScriptWebGPTWebGPU开源项目模型
WebGPT项目是一款基于WebGPU的Transformer模型应用,使用纯JavaScript和HTML实现。该项目不仅用于技术演示,同时也作为教育资源,支持在主流浏览器中运行,并能管理最多500M参数的模型。主要优化在Chrome v113和Edge Canary等浏览器上,通过WebGPU技术提高运行效率,适合用于学习和研究深度学习模型。
GraphGPT - 基于图指令微调的大语言模型知识对齐框架
GithubGraphGPT图学习图结构知识大语言模型开源项目指令微调
GraphGPT是一个将大语言模型与图结构知识对齐的创新框架。该框架通过文本-图谱接地编码结构信息,采用双阶段图指令微调适应图学习任务,并运用思维链蒸馏提升推理能力。GraphGPT有效增强了语言模型对图数据的理解和处理能力,为图结构数据分析提供了新的研究方向。
GeoDream - 融合2D和几何先验实现高保真一致的3D生成
3D生成GeoDreamGithubUni3D-score多视角一致性开源项目文本到3D
GeoDream是一种创新的3D生成方法,通过结合广义3D先验和2D扩散先验,提高了生成一致3D几何结构的能力,同时保持多样性和保真度。该方法生成的3D纹理网格具有更高一致性,可渲染1024x1024分辨率的逼真图像,并改善语义连贯性。GeoDream还首次提出Uni3D-score指标,将语义一致性评估从2D提升到3D。
PETR - 多视角3D感知框架 目标检测与BEV分割的统一解决方案
3D目标检测GithubPETRv2nuScenes数据集位置嵌入多视图感知开源项目
PETR是一个多视角3D感知框架,通过位置嵌入变换将3D坐标信息编码到图像特征中。其升级版PETRv2引入时序建模,支持目标检测和BEV分割。该框架在nuScenes数据集上展现了出色性能,为3D感知研究提供了有力基线。此外,PETR还支持3D车道线检测,相关工作在CVPR 2023工作坊中获得第一名。
MapTR - 在线向量化高精度地图快速构建框架
GithubMapTR人工智能开源项目模型自动驾驶高精地图
MapTR是一款高效准确的在线向量化高精度地图构建框架,可应用于自动驾驶系统的复杂场景中。该框架采用统一的置换等效建模方法,结合分层查询嵌入和双向匹配策略,提高了学习过程的稳定性,具备实时推理能力,并在nuScenes和Argoverse2数据集中表现出色。MapTR支持多种地图元素,具备良好的扩展性和灵活性。最新版本MapTRv2提升了性能和收敛速度,并引入了额外的语义中心线,进一步优化下游规划需求。
gigagan-pytorch - 最新生成对抗网络GigaGAN的实现,优化训练收敛和模型稳定性
AdobeGigaGANGithubLAIONPyTorchStabilityAI开源项目
gigagan-pytorch项目实现了Adobe最新的生成对抗网络GigaGAN,优化了跳层激励和辅助重建损失,以提升训练收敛速度和模型稳定性。项目支持高分辨率上采样器,具备混合精度和多GPU训练功能。适合寻求高效稳定GAN训练的开发者和研究人员。可加入Discord社区,与LAION合作获取更多支持。
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