Logo
Project Icon

actionformer_release

基于Transformer的高精度动作时刻定位模型

ActionFormerTransformer时序动作定位THUMOS14ActivityNetGithub开源项目

actionformer_release是一个基于Transformer的动作定位模型，能够检测动作实例的起止点并识别动作类别。在THUMOS14数据集上，该模型取得了71.0%的mAP，超越之前的最佳模型14.1个百分点，并首次突破60%的mAP。此外，该模型在ActivityNet 1.3和EPIC-Kitchens 100数据集上也取得了优异成绩。该项目设计简洁，通过局部自注意力机制对未剪辑视频进行时间上下文建模，并可一次性精确定位动作时刻。代码和预训练模型已开源，可供下载和试用。

GithubGithub论文论文
介绍相关项目
mit-b5 - SegFormer层次化Transformer编码器预训练模型
GithubHuggingfaceSegFormerTransformer图像分类开源项目模型语义分割预训练模型
SegFormer (b5-sized) encoder是一个在ImageNet-1k上预训练的语义分割模型。它采用层次化Transformer编码器结构，为下游任务微调提供基础。该模型在ADE20K和Cityscapes等语义分割基准测试中表现优异，同时也适用于图像分类等相关任务。用户可通过简洁的Python代码轻松调用此模型进行实验和应用开发。
MotionClone - 从参考视频克隆动作实现可控文本到视频生成
AI控制GithubMotionClone动作克隆开源项目文本到视频视频生成
MotionClone是一个无需训练的框架，通过从参考视频克隆动作来控制文本到视频的生成。该项目采用时间注意力机制和位置感知语义引导，有效处理微妙动作并提升生成模型的提示理解能力。MotionClone为视频创作和研究提供了全面的动作和语义指导工具，推动了可控视频生成技术的发展。
1 - 开源自然语言处理工具库提升文本处理效率
AI模型GithubHuggingfacetransformers开源项目机器学习模型深度学习自然语言处理
transformers是一个开源自然语言处理工具包，旨在通过简化模型训练和应用，提升机器学习项目的效率。该库提供丰富功能和预训练模型，便于执行各种文本分析和生成任务。
flatformer - 优化点云变换器性能
3D目标检测FlatFormerGithubWaymo数据集开源项目点云transformer自注意力机制
FlatFormer是一种新型点云变换器算法，采用扁平化窗口注意力机制提高处理效率。在Waymo开放数据集上，它实现了领先的精度，并比现有方法快4.6倍。FlatFormer首次在边缘GPU上达到实时性能，为自动驾驶等对延迟敏感的应用开辟新途径。该算法通过平衡空间邻近性和计算规律性，减少了结构化和填充开销。
mask2former-swin-large-mapillary-vistas-semantic - Mask2Former模型整合多尺度变形和掩码注意力实现高效图像分割
GithubHuggingfaceMask2Former图像分割开源项目模型深度学习计算机视觉语义分割
Mask2Former是基于Swin骨干网络的大型模型，针对Mapillary Vistas数据集进行语义分割训练。该模型采用统一方法处理实例、语义和全景分割任务，通过预测掩码集合及对应标签实现。结合多尺度变形注意力Transformer和掩码注意力机制，Mask2Former在性能和效率上均优于先前的SOTA模型MaskFormer。模型支持批量处理，输出类别和掩码查询逻辑，便于后续处理和结果可视化。
MotionGPT - 构建多任务的人体动作与语言统一模型
GithubMotionGPT人体动作人机交互多模态数据开源项目模型训练
MotionGPT是一种整合人体动作和语言的统一模型，专注于两种模态间的语义耦合学习。在诸多人体动作任务中表现优异，包括文本驱动动作生成、动作标题生成及动作预测。该模型结合预训练与指令性微调，能高效处理多种动作相关任务，是动作语言模型的新代表。此外，其零拍技术使其能识别新词汇并生成相应动作，突显处理复杂场景的能力。
Transformer-in-Computer-Vision - Transformer在计算机视觉中的最新研究汇总
GithubTransformer开源项目最新论文深度学习视觉算法计算机视觉
项目汇总了最新的基于Transformer的计算机视觉研究论文，涵盖了视频处理、图像分类、目标检测和异常检测等广泛应用场景。用户可点击链接查看具体类别的论文和代码。若发现遗漏研究，欢迎提交问题或请求。最新版本更新于2024年8月8日，为科研人员与开发者提供丰富资源。
TransnormerLLM - 使用线性注意力机制的大规模语言模型
GithubTransNormerLLM大语言模型开源项目模型权重线性注意力机制高质量语料库
TransNormerLLM是一种高效的大规模语言模型，使用线性注意力机制，优于传统的软注意力模型。该模型训练于高质量语料库，包含1.4万亿个词元，支持中文、英语和多语言基准测试，在多领域表现出色。提供385M、1B和7B参数版本，开放给学术研究，商用需申请许可。
mformer-sanctity - 开源深度学习NLP开发框架
GithubHuggingfaceMIT协议transformers开源协议开源项目模型编程语言软件许可
这是一个基于MIT许可证的开源自然语言处理项目，使用transformers技术进行开发。该框架旨在为NLP应用开发提供支持，集成了相关工具和技术组件。框架采用模块化设计，便于开发者进行自然语言处理相关功能的开发和部署。
robotic-transformer-pytorch - RT1机器人控制Transformer模型的PyTorch实现
GithubRT1人工智能开源项目机器人变形金刚深度学习计算机视觉
本项目是Google Robotics团队RT1（Robotic Transformer）的PyTorch实现版本。RT1是一个结合视觉和自然语言处理的机器人控制Transformer模型。该实现包含MaxViT视觉主干网络和RT1核心模型，支持视频输入和文本指令处理。项目提供简洁API，实现了条件采样和跨注意力等功能，可应用于多种机器人控制场景。
相关项目
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。

使用协议隐私政策广告服务
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