Project Icon

STCN

改进内存覆盖的高效视频对象分割框架

STCN是一个创新的视频对象分割框架,通过改进内存覆盖重新构建时空网络。该方法在多个基准测试中达到了最先进水平,同时保持20+ FPS的高效运行。STCN采用简洁的网络结构,建立图像间亲和力,并使用L2相似度替代点积,显著提升内存利用率。这种方法在准确性和效率间实现了理想平衡,为视频对象分割研究带来新思路。

UPR-Net - 创新的轻量级视频帧插值网络
GithubUPR-Net光流估计开源项目深度学习视频插帧金字塔递归网络
UPR-Net是一种创新的统一金字塔递归网络,用于视频帧插值。该网络采用轻量级递归模块进行双向光流估计和中间帧合成,通过金字塔框架实现迭代细化。尽管参数量仅为1.7M,UPR-Net在多个基准测试中表现出色,特别是在大运动场景下效果显著。项目提供完整的模型训练、测试和评估实现,包括在Vimeo90K、UCF101、SNU-FILM和4K1000FPS等数据集上的评估结果。
shape-of-motion - 从单个视频实现4D场景重建的前沿技术
4D重建GithubShape of Motion单视频重建开源项目深度学习计算机视觉
Shape of Motion项目展示了一种新型4D重建方法,可从单个视频重建动态3D场景。该项目结合深度学习和计算机视觉技术,实现运动物体的精确重建。项目包含完整工作流程,涵盖预处理、模型训练和性能评估。研究团队公开了源代码和数据集,为计算机视觉领域提供了有价值的研究资源。这一技术可能在计算机图形学、增强现实等方面带来应用突破。
EfficientSAM - 基于掩码预训练的实时图像分割模型
EfficientSAMGithub分割模型图像处理开源项目深度学习计算机视觉
EfficientSAM是一个基于掩码图像预训练的通用图像分割模型,支持点提示、框提示、全景分割和显著性检测等功能。该模型在保持高精度的同时显著提高了处理速度,已集成到多个开源工具中。项目提供在线演示和Jupyter notebook示例,便于研究人员和开发者快速上手和应用。
sam2-hiera-small - 下一代图像和视频可提示视觉分割技术
FAIRGithubHuggingfaceSAM 2图像分割开源项目模型视觉分割视频分割
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。
FastSAM - 全景分割模型 速度提升50倍且性能可比SAM
AI模型Fast Segment AnythingGithub图像分割开源项目深度学习计算机视觉
FastSAM是一款基于CNN的高效全景分割模型。仅使用SAM数据集2%的数据,就实现了与SAM相当的性能,同时运行速度提升50倍。支持一切模式、文本提示、框选和点选等多种交互方式。在边缘检测、目标检测等下游任务中,FastSAM展现出优异的零样本迁移能力,为计算机视觉研究开辟新方向。
VMamba - 高效的线性时间复杂度视觉骨干网络
GithubVMamba图像处理开源项目深度学习神经网络计算机视觉
VMamba是一种创新的视觉骨干网络,将Mamba状态空间语言模型应用于计算机视觉。其核心是视觉状态空间块堆栈,结合2D选择性扫描模块,实现线性时间复杂度。VMamba在图像分类、目标检测和语义分割等多项视觉任务中表现出色,特别是在输入尺度扩展效率方面优于现有模型。项目提供多种规模的预训练模型,适用于各类视觉感知任务。
sd-controlnet-mlsd - 结合M-LSD直线检测优化Stable Diffusion的图像生成
ControlNetGithubHuggingfaceM-LSDStable Diffusion开源项目扩散模型条件输入模型
该项目介绍了ControlNet神经网络结构,通过加入M-LSD直线检测等条件来控制大规模扩散模型,适用于Stable Diffusion。ControlNet能够在小数据集下进行稳健学习,且可在个人设备上快速训练。项目提供了多种检查点,涵盖边缘检测、深度估计和关键点检测,丰富了大规模扩散模型的控制方式,有助于推进相关应用的发展,最佳效果在Stable Diffusion v1-5结合使用时体现。
RepViT - 移动设备上的高效实时视觉模型
GithubRepViT-SAMSAM模型实时分割开源项目移动设备轻量级CNN
RepViT是一个轻量级CNN模型家族,整合了Vision Transformer的架构设计,在移动设备上实现了80%以上的ImageNet准确率,延迟仅1毫秒。RepViT-SAM将RepViT应用于SAM模型,显著降低了计算需求,实现了移动设备上的实时任意目标分割。这两个模型在图像分类、目标检测和语义分割等视觉任务中均表现出色,兼具高性能和高效率。
sd-controlnet-depth - 结合深度估计的文本到图像扩散模型
ControlNetGithubHuggingface图像生成开源项目条件控制模型深度估计稳定扩散
ControlNet通过深度估计条件增强了Stable Diffusion等模型,允许在个人设备和高性能集群上进行快速训练,即使数据集较小。开发者Lvmin Zhang与Maneesh Agrawala提出的模型具有灵活性,加强了扩散模型的控制方式,推进应用实现。其多种检查点以不同条件训练,提供精细的生成控制。
VideoTetris - 创新视频生成技术 实现复杂语义精确组合
GithubVideoTetris开源项目文本到视频生成时空组合扩散组合式生成长视频生成
VideoTetris是一个视频生成框架,采用时空组合扩散技术实现复杂文本语义的精确表达。通过操控去噪网络的注意力图,在空间和时间维度上控制视频生成。项目提出了视频数据预处理方法,提升了训练数据的动态性和提示理解能力。VideoTetris可生成10秒至2分钟或更长的视频,为复杂场景视频生成提供了新方案。
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