Project Icon

HRDA

突破性多分辨率域适应语义分割方法

HRDA是一种创新的多分辨率训练方法,用于无监督域适应的语义分割。它结合高分辨率裁剪保留细节和低分辨率裁剪捕获长程上下文,同时控制GPU内存占用。HRDA在多个基准测试中显著超越现有方法,并可扩展至域泛化。这种方法为自动驾驶等实际应用中的域适应问题提供新思路,推动了计算机视觉技术在复杂场景下的应用。

Far3D - 突破远距离3D目标检测的新框架,提升环视感知能力
3D目标检测Far3DGithub开源项目深度学习自动驾驶计算机视觉
这是一个创新的稀疏查询框架,专注于解决远距离3D目标检测问题。该项目通过2D目标先验生成自适应3D查询,并利用透视感知聚合模块处理多视角和多尺度特征。还开发了范围调制的3D去噪技术,有效解决了查询错误传播和收敛问题。在Argoverse 2和nuScenes数据集上,展现出优异的性能,推动了环视3D目标检测技术的发展。
HunyuanDiT - 实现多分辨率扩散和细粒度中英文理解
GithubHunyuanDiT中英双语多轮对话开源开源项目文本生成图像
HunyuanDiT是一个多分辨率扩散变换器模型,具有细粒度的中英文理解能力。该模型采用优化的变换器结构、文本编码器和位置编码,通过迭代数据流程提升性能。HunyuanDiT支持多轮多模态对话,可根据上下文生成和优化图像。经专业评估,该模型在中文到图像生成方面达到开源模型的先进水平。
CCSR - 改善扩散模型在内容一致超分辨率任务中的稳定性
CCSRGithub图像恢复开源项目扩散模型稳定性超分辨率
CCSR项目专注于提高扩散模型在内容一致超分辨率任务中的稳定性。项目引入全局标准差(G-STD)和局部标准差(L-STD)两个新指标,用于评估基于扩散的方法在超分辨率结果中的图像级和像素级变化。实验表明,CCSR在真实世界和双三次超分辨率任务中均有优异表现,能够生成更稳定、高质量的图像。项目提供开源代码、预训练模型和在线演示,方便研究人员和开发者使用。
ReLA - 先进的泛化引用表达分割技术
GRESGithub开源项目引用表达分割深度学习计算机视觉语义分割
GRES项目提出了一种新颖的泛化引用表达分割方法,在CVPR 2023会议上被评为亮点论文。该项目采用Swin Transformer骨干网络,在gIoU指标上达到63.60%的性能。GRES项目不仅发布了新数据集,还开源了代码实现,支持ResNet-50和Swin-Tiny等多种骨干网络,为研究人员提供了多样化选择。项目的GitHub仓库提供了详细的安装说明、推理和训练代码,以及预训练模型。
3D-OVS - 无需标注的开放词汇3D场景分割新方法
3D分割CLIP特征GithubTensoRF开放词汇开源项目弱监督学习
3D-OVS是一种创新的弱监督3D开放词汇分割方法,仅依靠文本描述即可实现3D场景的精准分割。该技术融合TensoRF重建与CLIP特征提取,通过提示工程和DINO特征优化,提高了3D场景的语义理解能力。这一方法将3D视觉与自然语言处理有机结合,为多个领域的应用提供了新的可能性。
HAT - 激活更多像素的图像超分辨率转换器
GithubHATTransformer图像超分辨率开源项目深度学习计算机视觉
HAT是一个开源的图像超分辨率项目,采用混合注意力转换器架构。它在Set5、Urban100等数据集上达到了最先进水平,参数量为20.8M。HAT还提供了小型模型版本和用于真实世界超分辨率的GAN模型,能够处理各种图像重建任务。
HiDiffusion - 无需训练即可提升扩散模型分辨率和速度的方法
AI绘图GithubHiDiffusion图像生成开源项目扩散模型高分辨率
HiDiffusion是一种提高预训练扩散模型分辨率和速度的方法,无需额外训练。通过添加单行代码即可集成到现有扩散管道中。它支持文本到图像、图像到图像和修复等多种任务,适用于Stable Diffusion XL、Stable Diffusion v2等主流模型。HiDiffusion还兼容ControlNet等下游任务,为图像生成提供更高质量和效率。
SegmentAnything3D - Segment Anything技术在3D场景中的创新应用
3D感知GithubSegment Anything 3D图像分割开源项目点云处理计算机视觉
SAM3D项目将Segment Anything技术扩展到3D感知领域,通过将2D图像分割信息转移到3D空间,为3D场景理解提供新思路。该项目结合SAM生成掩码、点云合并和区域合并等技术,实现2D到3D的有效转换。SAM3D不仅拓展了计算机视觉的应用范围,也为3D场景分析和理解开辟了新的研究方向。
Cam2BEV - 深度学习实现多视角车载图像到语义分割鸟瞰图转换
Cam2BEVGithub开源项目深度学习自动驾驶语义分割鸟瞰图
该项目提出一种深度学习方法,将多个车载摄像头图像转换为语义分割鸟瞰图(BEV)。采用合成数据集训练,可良好泛化到真实场景。方法使用语义分割图像作为输入,缩小了仿真与真实数据的差距,无需手动标注。项目开源了代码、网络架构和数据集,适用于自动驾驶环境感知研究。相比传统逆透视映射,该方法在处理3D物体和遮挡区域时表现更佳。
DIVA - 扩散模型辅助CLIP增强视觉理解能力
AI视觉CLIPDIVAGithub开源项目扩散模型迁移学习
DIVA是一种创新方法,利用扩散模型作为视觉助手优化CLIP表示。通过文本到图像扩散模型的生成反馈,DIVA无需配对文本数据即可提升CLIP视觉能力。在MMVP-VLM细粒度视觉评估基准上,DIVA显著提升了CLIP性能,同时保持了其在29个图像分类和检索基准上的强大零样本能力。这为增强视觉语言模型的视觉理解开辟了新途径。
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

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。

Project Cover

天工AI音乐

天工AI音乐平台支持音乐创作,特别是在国风音乐领域。该平台适合新手DJ和音乐爱好者使用,帮助他们启动音乐创作,增添生活乐趣,同时发现和分享新音乐。

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