Project Icon

AVDC

从无动作视频学习行为的AI训练框架

AVDC是一个创新的AI训练框架,能够从无动作视频中学习行为策略。该项目支持Meta-World、iTHOR等多个环境,提供完整的代码库、预训练模型和详细文档。AVDC具有灵活的训练和推理功能,方便研究人员快速上手和复现实验结果,为计算机视觉和机器人学习领域带来新的可能性。

ACT - 基于模仿学习的低成本机器人解决方案
Action Chunking TransformerGithub低成本机器人分拣任务开源项目机器人手臂模仿学习
该开源项目适配250美元低成本机器人,采用Action Chunking Transformer (ACT)技术实现模仿学习。项目流程包括数据收集、策略训练和评估,非专业人士只需提供少量远程操作演示即可。使用RTX 3080显卡,30分钟内即可完成训练。项目旨在为机器人学习提供经济实惠的解决方案。
DisCo - 人类舞蹈生成的多用途工具包
CVPRDisCoGithub开源项目深度学习舞蹈生成视频合成
DisCo 是一个生成逼真人类舞蹈的多用途工具包,支持图像与视频生成。它具有优秀的泛化能力,无需人类特定的微调,同时提供特定人类的细调,以满足多样化的研究需求。其框架操作简便,支持高效训练和多种研究方向。DisCo 在实际应用中表现出色,支持预训练、细调和人类特定细调,适用于广泛的应用场景。用户可以通过在线演示或本地部署模型推理,研究人员也可以利用该代码库进行再实现和开发。
VideoAI - 革新视频制作流程的AI创作平台
AI工具AI视频创作VideoAI视频生成订阅计划风格迁移
VideoAI是一个AI视频创作平台,能将想法、情感和图像转化为视频。平台功能包括AI视频生成、风格转换和高质量输出,适用于宣传内容和教育教程等多种类型。界面设计便于初学者和专业人士使用,采用先进AI算法确保视频质量。平台提供免费试用、按需付费和订阅计划选项。VideoAI为视频制作行业带来新的可能性,是一个功能全面的创作工具。
vivit-b-16x2-kinetics400 - ViViT 扩展Vision Transformer至视频分析领域的创新模型
GithubHuggingfaceViViT开源项目模型深度学习视觉变换器视频分类计算机视觉
ViViT是Arnab等人提出的视频视觉Transformer模型,将Vision Transformer的概念扩展到视频领域。这一模型主要应用于视频分类等任务的微调,在视频数据处理方面表现出色。ViViT为视频分析和理解开辟了新途径,为研究人员和开发者提供了进行视频相关任务开发的有力工具。该模型的出现推动了计算机视觉技术在视频领域的发展,为未来的视频智能分析奠定了基础。
generative-models - SV4D与SV3D一类的创新模型
GithubSDXL-TurboSV3DSV4D开源项目热门稳定AI视频合成
Generative Models项目展示了多个创新模型如SV4D与SV3D,专注于视频到4D扩散建模和图像到视频的多视角合成,旨在提供高分辨率和时间连贯性的研究工具。最新技术报告和视频概览现已发布,支持通过简单的脚本和快速入门指南直接体验模型效果,适用于研究及教育用途。
ViZDoom - AI视觉强化学习平台,支持多平台与多语言
APIGithubViZDoom开源项目强化学习深度学习视觉学习
ViZDoom平台基于ZDoom引擎,可通过视觉信息训练AI玩Doom游戏,适用于视觉学习和深度强化学习研究。支持Linux、macOS和Windows平台,提供Python和C++ API以及Gymnasium/OpenAI Gym环境封装。该平台具备自定义场景创建、同步和异步多玩家模式、可调分辨率和渲染参数,还支持3D视觉和音频缓冲区访问。
multi_verse_model - 运用创新方法展示人工智能学习与发展的可能性
GithubHuggingface人工智能创新概念学习机器人开源项目持续学习模型知识吸收
基于先进训练技术的人工智能项目,展示了持续学习和发展的未来潜力,体现技术研发中的突破性实验成果。
EasyAnimate - 基于Transformer的高分辨率长视频生成框架
AI绘图EasyAnimateGithub开源项目深度学习视频生成计算机视觉
EasyAnimate是一个开源的高分辨率长视频生成框架。该项目基于Transformer架构,采用类Sora结构和DIT技术,使用Transformer作为视频生成的扩散器。EasyAnimate支持训练扩散模型生成器、处理长视频的VAE和元数据预处理。用户可直接使用预训练模型生成多种分辨率的6秒24帧视频,也可训练自定义基线模型和Lora模型实现特定风格转换。
Holodeck - 语言驱动的3D AI环境生成系统
3D环境生成AI2-THORGithubHolodeck实体AI开源项目自然语言指导
Holodeck是一个基于AI2-THOR平台的开源项目,旨在通过自然语言指令生成逼真的3D AI环境。该系统结合GPT-4语言模型和高效布局算法,能将文字描述转化为详细的3D场景。Holodeck为embodied AI研究提供了便捷工具,支持快速创建多样化的复杂环境用于测试和训练。项目提供完整代码和文档,为AI研究社区贡献了有价值的资源。
Forge_VFM4AD - DriveGAN实现高质量可控神经网络环境模拟
Github人工智能基础模型开源项目深度学习自动驾驶计算机视觉
DriveGAN是一种高质量神经网络模拟器,通过无监督学习实现环境组成部分的解耦控制。它可模拟转向控制、场景天气和非玩家对象位置等特征。DriveGAN的全微分特性支持视频序列重新模拟,允许在已记录场景中采取不同行动。该方法在多个数据集上训练,包括160小时真实驾驶数据,性能显著优于现有技术。
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