Project Icon

PETR

多视角3D感知框架 目标检测与BEV分割的统一解决方案

PETR是一个多视角3D感知框架,通过位置嵌入变换将3D坐标信息编码到图像特征中。其升级版PETRv2引入时序建模,支持目标检测和BEV分割。该框架在nuScenes数据集上展现了出色性能,为3D感知研究提供了有力基线。此外,PETR还支持3D车道线检测,相关工作在CVPR 2023工作坊中获得第一名。

BEV-Planner - 端到端自动驾驶中车辆状态依赖分析与评估方法创新
Githubego状态开源项目开环评估端到端模型自动驾驶路径规划
BEV-Planner项目研究端到端自动驾驶中的关键问题。研究发现在nuScenes数据集上,模型过度依赖车辆状态而忽视感知信息。项目提出新的评估指标和基准方法,全面评估规划质量。研究结果质疑当前自动驾驶研究方向,建议重新审视现有方法。项目为自动驾驶领域提供新思路,包括道路遵循性评估和简单但有效的基线模型。
GPT4Point - 用于点语言理解和生成的统一框架
3D点云CVPR2024GPT4PointGithub开源项目生成框架语言理解
GPT4Point项目提供了一个统一框架,用于三维点云与语言的理解和生成,涵盖3D多模态模型、Pyramid-XL自动注释引擎和新的对象级点云基准。项目包含3D多语言模型和控制下的3D生成,包含超过100万个不同详细程度的数据对,并设立了全面的3D点云语言任务评估指标。v1.0版本包含训练和三维描述生成的评估代码。
FasterViT - 高效分层注意力的视觉transformer新突破
FasterViTGithub图像分类层级注意力机制开源项目目标检测视觉Transformer
FasterViT是一种创新的视觉transformer模型,采用分层注意力机制高效捕获短程和长程信息。在ImageNet分类任务中,FasterViT实现了精度和吞吐量的新平衡,无需额外训练数据即达到最先进水平。该项目提供多种预训练模型,适应不同计算资源和精度需求,支持任意分辨率输入,为目标检测、分割等下游任务提供灵活选择。
D-FINE - 精细化分布优化在实时物体检测中的应用
D-FINEDETRFine-grained Distribution RefinementGithub对象检测开源项目自蒸馏
D-FINE是一款实时物体检测工具,通过重新定义DETRs中的边框回归任务为精细化分布优化(FDR)以及引入全局最优定位自蒸馏(GO-LSD),在不增加推理和训练成本的情况下,提升了检测性能。它在复杂街道场景下具有出色的定位能力,对于逆光、运动模糊和密集人群等挑战表现优异。最新版本增强了预训练模型的性能并提供了自定义数据集微调和输入尺寸调整的配置。
detr-resnet-50 - DETR 基于Transformer的创新目标检测模型
COCO数据集DETRGithubHuggingfaceResNet-50Transformer开源项目模型目标检测
DETR-ResNet-50是一种创新的目标检测模型,融合Transformer架构与ResNet-50骨干网络。该模型采用端到端训练方法,简化了传统目标检测流程。经COCO 2017数据集训练后,DETR能高效检测和定位图像中的多个物体,在目标检测任务中实现42.0的平均精度(AP)。其简洁设计和卓越性能为计算机视觉领域带来新的可能。
depth_anything_vitl14 - 先进的计算机视觉深度估计开源框架
Depth AnythingGithubHuggingface图像处理开源项目模型深度估计深度学习计算机视觉
depth_anything_vitl14是一个深度估计模型框架,专注于从单张图像中提取深度信息。该框架采用大规模无标记数据训练方式,具备完整的模型部署文档和Python接口。开发者可通过简单的代码调用实现图像深度估计,项目同时提供在线演示平台和技术文档支持。
Depth-Anything-V2-Base - 更快更精细的单目深度估计模型
Depth-Anything-V2GithubHuggingface图像处理开源项目模型深度估计深度学习计算机视觉
Depth-Anything-V2是一款先进的单目深度估计模型,由595K合成标记图像和62M+真实未标记图像训练而成。它在细节表现、鲁棒性和效率上都超越了V1版本,处理速度比基于SD的模型快10倍。采用ViT-B架构,该模型为计算机视觉领域提供了高效的深度预测工具,尤其适用于需要精确深度信息的应用场景。
DyCo3D - 动态卷积实现鲁棒3D点云实例分割
3D点云实例分割DyCo3dGithub动态卷积开源项目深度学习计算机视觉
DyCo3D提出了一种新型3D点云实例分割方法,采用动态卷积技术处理实例尺度变化问题。该方法结合大范围上下文信息和轻量级Transformer,在ScanNetV2和S3DIS数据集上取得领先结果,推理速度提升25%以上。DyCo3D简化了传统bottom-up方法的复杂流程,对超参数不敏感,为3D点云实例分割领域提供了高效且鲁棒的新方案。
Depth-Anything - 大规模无标注数据驱动的强大单目深度估计模型
Depth AnythingGithub人工智能图像处理开源项目深度估计计算机视觉
Depth Anything是一款基于大规模数据训练的单目深度估计模型。它利用150万标注图像和6200万无标注图像进行训练,提供小型、中型和大型三种预训练模型。该模型不仅支持相对深度和度量深度估计,还可用于ControlNet深度控制、场景理解和视频深度可视化等任务。在多个基准数据集上,Depth Anything的性能超越了此前最佳的MiDaS模型,展现出优异的鲁棒性和准确性。
Depth-Anything-V2-Small-hf - 单目深度估计新标杆 精细、稳健且高效
Depth Anything V2GithubHuggingface人工智能图像处理开源项目模型深度估计计算机视觉
Depth-Anything-V2-Small-hf是一款基于DPT架构和DINOv2主干的先进单目深度估计模型。经过大规模合成和真实图像训练,它在细节精度和稳健性上超越了前代产品。相比基于稳定扩散的模型,该模型速度提升10倍,且更为轻量。它在零样本深度估计任务中表现卓越,可广泛应用于3D重建和场景理解等领域。研究者和开发者可通过Transformers库便捷地集成和使用这一模型。
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。

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