Project Icon

sam2-hiera-small

下一代图像和视频可提示视觉分割技术

SAM 2是FAIR推出的一款模型,专注于实现图像和视频的可提示视觉分割。官方代码库支持图像和视频预测任务,允许利用SAM2ImagePredictor生成图像遮罩,并使用SAM2VideoPredictor实现视频中遮罩的传播和处理。该模型在学术研究和工业应用中具有广泛功能。如需深入了解,可查阅相关论文和资源。

SlowFast - 开源视频理解框架 提供多种先进模型架构
GithubPySlowFast开源项目深度学习神经网络模型视频理解计算机视觉
PySlowFast是FAIR开发的开源视频理解代码库,提供高效训练的先进视频分类模型。支持SlowFast、Non-local Neural Networks、X3D和Multiscale Vision Transformers等多种架构。该框架便于快速实现和评估视频研究创新,涵盖分类、检测等任务。PySlowFast兼具高性能和轻量级特点,适用于广泛的视频理解研究。
SOLO - 无框的实例分割算法,可直接输出实例掩码和类别概率,并具备高质量掩码预测和顶级性能
GithubResNet-101SOLOSOLOv2开源项目目标分割高质量遮罩预测
SOLO项目实现了SOLO和SOLOv2两种完全无框的实例分割算法,可直接输出实例掩码和类别概率,并具备高质量掩码预测和顶级性能。该项目基于mmdetection,支持多GPU和单GPU训练,并提供多种预训练模型下载,包括轻量级模型。对于研究人员来说,这些工具显著提高了分割精度和训练速度,适用于各种应用场景。
InternVideo - 视频基础模型助力多模态理解进展
GithubInternVideo多模态理解开源项目模型更新视频基础模型视频文本数据集
InternVideo项目致力于开发通用视频基础模型,提升多模态视频理解能力。项目包含InternVideo和InternVideo2两个主要版本,以及大规模视频-文本数据集InternVid。InternVideo2采用生成式和判别式学习方法,在多模态视频理解任务中表现突出。项目不断更新,提供多种规模的模型和丰富的视频注释数据,为研究和开发提供有力支持。
Open-MAGVIT2 - 自回归视觉生成新突破 大幅提升图像分词性能
GithubOpen-MAGVIT2图像分词器大规模词表开源项目自回归模型视觉生成
Open-MAGVIT2是一个创新的自回归视觉生成项目,采用无查找技术和262144大小的码本,克服了VQGAN的局限性。该项目用PyTorch重新实现MAGVIT2分词器,在图像分词方面取得显著进展,8倍下采样时rFID达到0.39。项目致力于推动自回归视觉生成领域发展,目前处于积极开发阶段,未来计划拓展至视频生成领域。
segment-anything-fast - 高性能图像分割模型加速框架
AI模型加速GithubPyTorchSegment Anything图像分割开源项目推理优化
segment-anything-fast是基于Facebook's segment-anything的优化版本,专注于提高图像分割模型的性能。通过整合bfloat16、torch.compile和自定义Triton内核等技术,该项目显著提升了模型推理速度。它支持多种优化方法,如动态int8对称量化和2:4稀疏格式,同时保持了简单的安装和使用流程。这使得开发者能够轻松替换原始segment-anything,实现更高效的图像分割。该优化框架适用于需要实时或大规模图像分割处理的应用,如自动驾驶、医疗影像分析或视频编辑等领域,可显著提高处理效率和资源利用率。
MDT - MDTv2图像合成模型:更快收敛和卓越性能
GithubMasked Diffusion Transformer人工智能图像合成开源项目深度学习计算机视觉
MDTv2是一种先进的深度学习图像合成模型,在ImageNet数据集上实现了1.58的FID分数,创造新的业界标准。该模型采用掩码潜在建模技术,提高了图像语义理解能力,学习速度比先前模型快10倍以上。MDTv2在图像生成质量和训练效率方面都有显著提升,为计算机视觉和人工智能领域带来了新的可能性。
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。
stable-video-diffusion-img2vid - AI模型将静态图像转换为动态短视频的创新技术
GithubHuggingfaceStable Video Diffusion人工智能图像到视频生成开源项目模型深度学习计算机视觉
Stable Video Diffusion Image-to-Video是一种先进的AI模型,可将静态图像转化为短视频。该模型利用潜在扩散技术,生成14帧、576x1024分辨率的视频片段。在视频质量方面表现出色,主要应用于生成模型研究和安全部署等领域。尽管存在视频时长短、可能缺乏动作等限制,但该模型为图像到视频转换技术带来了新的可能性。目前仅限于研究用途,不适用于生成事实性或真实性内容。
SLiMe - 基于Stable Diffusion的单样本图像分割方法
GithubPyTorchSLiMeStable Diffusion图像分割开源项目深度学习
SLiMe是一种基于Stable Diffusion的单样本图像分割方法,通过单个训练样本实现准确分割。项目提供PyTorch实现,包含训练、测试和数据处理指南。SLiMe在PASCAL-Part和CelebAMask-HQ数据集上表现优异,为图像分割研究提供新思路。项目开源代码,支持自定义数据集训练和测试。SLiMe采用图像分块处理技术,提高分割精度。研究者可基于此探索更多单样本学习应用场景。
Segment-Everything-Everywhere-All-At-Once - 基于多模态提示的图像分割模型
GithubSEEM交互式分割图像处理多模态开源项目
SEEM是一种新型图像分割模型,支持多种交互方式如点击、框选、涂鸦、文本和音频提示。该模型可接受任意组合的提示输入,精确分割图像中的目标对象并赋予语义标签。SEEM采用统一架构,具备多模态交互、语义理解和泛化能力,为图像分割任务提供了灵活通用的解决方案。
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

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。

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