Parts2Whole

多参考框架实现可控人像生成

Parts2Whole 人像生成参考框架深度学习计算机视觉 Github 开源项目

Parts2Whole提出新型框架,利用多个参考图像生成定制人像。该框架包含语义感知外观编码器和多图像条件生成的共享自注意力机制,能精确选择人体部位实现高度可控生成。项目开源全套代码、模型和数据集,为人像生成研究提供完整解决方案。

vid2avatar - 自监督场景分解实现野外视频3D人物重建

3D头像重建GithubVid2Avatar场景分解开源项目自监督学习视频处理

Vid2Avatar是一个开源项目，采用自监督场景分解方法从未处理的野外视频中重建3D人物模型。该方法无需额外监督，通过分离人物和背景实现精确建模。项目包含完整代码、预处理数据集和使用说明，适用于复杂场景的人物建模。

MVHumanNet - 多视角日常穿着人体捕捉大规模数据集

GithubMVHumanNet人体捕捉多视角开源项目数据集计算机视觉

MVHumanNet是一个大规模多视角人体捕捉数据集，包含4,500个人物身份、9,000套日常服装和60,000个动作序列。数据集提供645百万帧图像，附带丰富标注，如人体遮罩、相机参数、2D/3D关键点、SMPL/SMPLX参数及相应文本描述。这一资源为计算机视觉和人体建模研究提供了重要支持，适用于多种应用场景。

makeitdoubleplz - 个性化人物写实图像生成工具，兼容稳定扩散模型

GithubHuggingfacestable-diffusion人像模型图像生成开源项目摄影作品模型维多利亚

本项目通过diffusers库的文本到图像功能生成个性化的人物写实图像，兼容稳定扩散模型。用户可以根据服装细节和背景环境进行图像定制，使结果更具真实感，为设计师和艺术家提供了广阔的创作空间，是一个实用的视觉创作工具。

HumanArt - 多场景人体数据集助力计算机视觉研究

GithubHuman-Art人体姿态估计人工智能开源项目数据集计算机视觉

Human-Art数据集包含50,000张来自20个场景的图像,涵盖自然和人工环境中的2D和3D人体表现。该数据集提供人体边界框、21个2D关键点、自接触关键点和描述文本等标注,旨在推进多场景人体检测、姿态估计和3D重建等任务。Human-Art的多样性有助于提高模型在实际应用中的特征提取和人体理解能力,同时支持跨域应用和可控人体图像生成。

WHAM - 基于世界坐标系的高精度3D人体动作重建技术

3D人体重建GithubWHAM人体姿态估计开源项目深度学习计算机视觉

WHAM是一种创新的3D人体动作重建技术，能在世界坐标系中精确重现人体动作。该技术基于PyTorch平台，整合了视觉变换器和SLAM技术，可从单一视频中提取精确的人体运动和姿态数据。WHAM在3DPW和EMDB等多个基准数据集上展现出卓越性能，为人体动作分析和计算机视觉研究开辟了新途径。

ArtLine - 自动生成精美肖像线条艺术的开源项目

AI绘图ArtLineControlNetGithub开源项目线描艺术自注意力机制

ArtLine项目旨在自动生成精美的肖像线条艺术。整合了ControlNet与ArtLine，该模型不仅能识别面部特征，还能根据指令调整图像风格。项目采用自注意力机制、渐进式缩放和感知损失技术，使其在不同姿态和背景下表现出色。项目持续改进，将解决背景和阴影识别问题，提供更好的用户体验。

ED-Pose - 革新端到端多人姿态估计框架

ED-PoseGithub多人姿态估计开源项目深度学习目标检测计算机视觉

ED-Pose创新性地将多人姿态估计任务重新定义为两个显式框检测过程，无需后处理和密集热图监督。该框架在COCO数据集上超越同等骨干网络的热图方法1.2 AP，并在CrowdPose数据集上达到76.6 AP的领先水平。ED-Pose还兼容Human-Art数据集，并优化了推理速度。

T2I-CompBench - 组合式文本到图像生成的全面评估基准

AI模型GithubT2I-CompBench++开源项目文本生成图像组合能力评估基准

T2I-CompBench++是一个用于评估组合式文本到图像生成的增强基准。它引入了人工评估图像-分数对、更全面的组合测试以及被Stable Diffusion 3等模型采用的新评估指标。该基准涵盖颜色、形状、纹理和空间关系等多个方面,通过多种方法全面衡量模型的组合能力。研究人员可利用此基准进行模型训练和评估,促进组合式图像生成技术的进步。

CVPR2022-DaGAN - 基于深度感知的说话头像视频生成技术

DaGANGithub人工智能对抗生成网络开源项目深度感知视频生成

DaGAN是一种新型深度感知生成对抗网络,旨在生成高质量的说话头像视频。该方法利用面部深度信息提升生成效果,可适用于卡通和真人头像。在VoxCeleb1数据集上,DaGAN展现出优异性能。项目开源了预训练模型、在线演示和训练代码,便于研究复现。作为CVPR 2022的成果,DaGAN代表了说话头像生成领域的重要进展。

ReplaceAnything - 先进的AI图像替换工具实现精准内容编辑

AI绘图GithubReplaceAnything内容替换图像编辑开源项目深度学习

ReplaceAnything是一个开源的AI图像替换工具，支持服装、背景、人物等多种元素的精准替换，同时保持遮罩区域完整。该项目由阿里巴巴智能计算研究院开发，现已在HuggingFace和ModelScope平台发布演示版本。ReplaceAnything为图像编辑提供了新的可能，展现了AI在内容创作领域的潜力。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com