LangSplat

将3D场景与自然语言融合的高斯点云渲染技术

LangSplat 3D语言高斯分散 CVPR2024 计算机视觉语言特征 Github 开源项目

LangSplat是一种创新的3D语言高斯点云渲染技术，融合3D场景重建和自然语言处理。该技术引入场景级语言自动编码器，降低内存需求，实现高效语言特征建模。项目提供完整训练流程，涵盖特征生成、自动编码器训练和模型优化，支持研究者在自定义场景中应用LangSplat。

MoE-LLaVA - 高效视觉语言模型的新方向

GithubMoE-LLaVA多模态学习大视觉语言模型开源项目性能表现稀疏激活

MoE-LLaVA项目采用混合专家技术,实现了高效的大规模视觉语言模型。该模型仅使用3B稀疏激活参数就达到了与7B参数模型相当的性能,在多项视觉理解任务中表现优异。项目提供简单的基线方法,通过稀疏路径学习多模态交互,可在8张A100 GPU上1天内完成训练。MoE-LLaVA为构建高性能、低参数量的视觉语言模型探索了新的方向。

GaussianShader - 创新3D高斯溅射技术提升反射表面渲染效果

3D Gaussian SplattingGaussianShaderGithub反射表面实时渲染开源项目神经渲染

GaussianShader是一种新型3D渲染方法，通过在3D高斯上应用简化着色函数，提高了反射表面场景的神经渲染质量。这种方法保持实时渲染速度，同时实现不同光照环境下的高保真自由视角渲染。通过结合传统属性和新的着色属性，GaussianShader能够准确捕捉视角依赖的外观，为反射和漫反射表面重建提供高质量的材质和光照效果。

One-2-3-45 - 2D扩散模型在3D AIGC中的创新应用

3D建模GithubHuggingFaceNeurIPS 2023One-2-3-45开源项目深度学习

One-2-3-45项目创新性地提出了一种2D扩散模型在3D AIGC中的正向操作方法，无需耗时的优化过程。项目提供详细的安装说明和多种演示方式，包括在线互动演示和完整的配置指南。通过整合Hugging Face的Gradio API，用户可以方便地进行图像预处理和3D网格重建。该项目已被NeurIPS 2023接受，并提供了详细的训练代码和数据集，促进单图像到3D模型的快速生成。

LLM-groundedDiffusion - 优化文本到图像合成的提示理解能力

GPT-4GithubHuggingFaceLLM-grounded DiffusionStable DiffusionTMLR开源项目

本项目通过将大型语言模型（LLM）与文本到图像扩散模型结合，提高了提示理解能力。LLM负责解析文本请求，生成中间表示如图像布局，最终通过稳定扩散模型生成高质量图像。项目支持多种生成方法和开源模型，用户可自行设置实现自托管，从而节约API调用成本。项目更新频繁，包括支持高分辨率生成和集成SDXL精炼器等功能。

S3Gaussian - 自监督3D高斯模型提升自动驾驶动态场景解析

3D高斯GithubS3Gaussian场景分解开源项目无人驾驶自监督学习

S3Gaussian使用3D高斯模型进行自监督动态街景解析，增强了自动驾驶的场景分解和渲染效果。该项目采用多分辨率hexplane编码器和多头高斯解码器，将4D网格编码为特征平面，并解码为4D高斯模型。无需额外注释即可优化模型。最新代码和评估已发布，详细介绍了环境配置、数据准备、训练和可视化过程。

richdreamer - 基于法线-深度扩散模型的高细节文本到3D生成技术

AI生成GithubRichDreamer多视图渲染开源项目文本转3D深度扩散模型

RichDreamer是一种基于法线-深度扩散技术的文本到3D生成模型，能创建细节丰富的3D内容。它结合了多视图法线-深度和反照率扩散模型，生成高质量3D资产。项目开源了代码、预训练模型，并提供在线演示，为3D内容创作提供了实用解决方案。

openscene - 零样本3D场景理解和任务执行工具

3D场景理解CVPR 2023GithubOpenScene开源项目语义分割零样本

OpenScene是一个实时交互的3D场景理解工具，支持使用开放词汇进行查询。用户可输入任意短语，系统会自动高亮相应区域。支持多种数据集和预处理选项，可执行零样本3D语义分割、稀有物体搜索和基于图像的3D物体检测。其特点包括无需GPU运行、支持多视角特征融合和模型蒸馏。所有代码和数据集均可在GitHub获取，适用于广泛的研究和开发应用。

LLMGA - 用于精确图像生成和编辑的多模态大语言模型

ECCV2024GithubLLMGA图像生成多模态大模型开源项目

LLMGA基于多模态大语言模型，提供图像生成与编辑解决方案。结合Stable Diffusion和详细语言生成提示，项目提升了上下文理解并减少生成过程中的噪音，增强图像内容的精度。LLMGA支持文本到图像（T2I）、补画、扩画及指令编辑，适用于Logo设计、海报制作和故事绘本生成，支持中英文指令。广泛的模型和数据集选择满足不同需求，是理想的图像生成和编辑助手。

TriplaneGaussian - 基于Triplane和高斯散射的快速单视图3D重建技术

3D重建GithubTransformerTriplaneGaussian单视图开源项目高速重建

TriplaneGaussian是一种结合Triplane和高斯散射的3D重建技术。该方法采用混合Triplane-Gaussian 3D表示，融合显式和隐式表示优点，能在几秒内从单一视角图像生成高质量3D模型。这种技术不仅适用于合成图像，还能处理真实世界照片，展现了较强的泛化能力。TriplaneGaussian通过创新的表示方法实现了高效且通用的3D重建，为单视图3D重建领域提供了新的解决思路。

Pointcept - 开源点云感知研究平台

3D表示学习CVPRGithubPointcept开源项目点云感知预训练

Pointcept 是一个专为点云感知研究设计的开源代码库，集成了 Point Transformer V3、OA-CNNs 和 PonderV2 等顶尖技术。通过多数据集预训练架构和高效的场景对比学习框架，Pointcept 在室内外场景中表现出色。用户可以使用统一接口和预处理支持，快速部署点云感知解决方案。项目持续更新，最近的新版本优化数据集结构，提升整体性能。

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。

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