Project Icon

openscene

零样本3D场景理解和任务执行工具

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。

lang-seg - 语言驱动的零样本语义图像分割模型
CLIPGithubLSeg开源项目计算机视觉语义分割零样本学习
LSeg是一种语言驱动的语义图像分割模型,结合文本编码器和Transformer图像编码器。它能将描述性标签与图像像素对齐,实现高效零样本分割。LSeg在多个数据集上表现出色,无需额外训练即可泛化到新类别。该模型在固定标签集上可与传统算法媲美,为语义分割任务提供了灵活有力的解决方案。
Awesome-3D-AIGC - 3D生成AI前沿资源与研究综述
3D AIGC3D建模Github开源项目深度学习生成式AI计算机视觉
该项目汇集3D人工智能生成内容(AIGC)领域的最新论文和开源资源,涵盖文本到3D生成、图像到3D生成、3D编辑、人体头像生成等多个研究方向。项目提供开源实现、数据集和教程视频等实用资源,帮助研究者和开发者跟踪3D AIGC技术的最新进展,为相关创新和应用提供参考。
AnyDoor - 实现对象级图像灵活定制和编辑
AnyDoorGithub图像定制开源项目深度学习目标级处理零样本学习
AnyDoor是一种零样本对象级图像定制技术,实现灵活的图像编辑。它能将参考对象无缝插入目标图像,保持风格一致性和真实感。项目提供训练和推理代码、预训练模型及在线演示。AnyDoor适用于虚拟试穿、换脸等任务,也可作为区域到区域生成任务的基础模型。该技术为图像编辑和生成领域提供了新的可能性。
PointTransformerV3 - 先进的点云处理框架
GithubPoint Transformer V3开源项目深度学习点云处理计算机视觉语义分割
PointTransformerV3是一个创新的点云处理框架,在多个基准测试中展现出卓越性能。该项目优化了模型结构,提升了运行速度和处理能力。它适用于室内外场景的语义分割,通过多数据集预训练进一步增强了效果。研究人员可利用开源代码和预训练模型轻松复现结果或应用于自身项目。
lerf - 基于语言嵌入的辐射场技术 实现3D场景的语义理解与交互
3D渲染GithubLERFNeRF开源项目自然语言处理计算机视觉
LERF是一个创新的3D场景理解项目,结合了语言嵌入技术和辐射场。它能实现3D场景的语义理解和文本交互,生成高质量相关性图,支持复杂文本查询。LERF提供灵活的可视化选项,与Nerfstudio集成,并有多个版本适应不同硬件。该项目支持自定义图像编码器扩展,为计算机视觉和自然语言处理的交叉领域提供新的研究方向。
mvsplat - 从稀疏多视角图像高效重建3D场景
3D Gaussian SplattingGithubMVSplat多视图图像开源项目神经渲染计算机视觉
MVSplat是一种基于3D高斯分布渲染的多视角图像重建技术。该项目利用深度学习和计算机视觉方法,从稀疏的多视角图像高效重建3D场景并实现新视角渲染。MVSplat在RealEstate10K和ACID数据集上表现优异,并具有良好的跨数据集泛化能力。项目提供了安装指南、预训练模型和评估代码,便于研究人员进行复现和改进。
midscene - AI支持的自然语言网页控制和数据提取
AI自动化GithubJSON格式Midscene.js开源项目断言功能自然语言交互
Midscene.js 是一款基于 AI 的自动化 SDK,能够使用自然语言控制网页、执行断言,并提取 JSON 格式的数据。它提供了直观的 UI 交互、数据格式提示和 AI 理解的断言功能,无需自定义训练,同时支持常用的多模态 LLM,如 GPT-4 等。还配备了可视化工具,便于调试和理解整个过程,为开发者提供全新的自动化开发体验。
stable-fast-3d - 单图快速重建3D网格的开源模型
3D重建GithubSF3DUV展开单图重建开源项目照明解耦
Stable Fast 3D是一个开源的3D重建模型,可从单张图像快速生成3D网格。该模型基于TripoSR,改进了网格和纹理生成,并引入UV展开和光照分离技术。它不仅生成高质量3D资产,还保持快速推理速度。模型支持自定义纹理分辨率和重网格化,适用于游戏开发等领域。用户可通过命令行或Gradio应用使用这一工具。
covise - 开源可视化与仿真环境,支持VR和道路编辑
COVISEGithubOpenCOVER可视化系统开源项目源代码虚拟环境
COVISE是一个开源的模块化分布式可视化系统,用于虚拟环境中的科学数据可视化。它包含VR渲染器OpenCOVER和道路编辑器OddLOT,支持多平台。COVISE提供多种安装方式,包括预编译二进制文件和源代码构建。项目采用LGPL v2.1许可。
scenic - 多模态视觉智能研究框架
GithubJAXScenicTransformer开源项目深度学习计算机视觉
Scenic是一个基于JAX的开源视觉智能研究框架,聚焦注意力机制模型。它提供轻量级共享库和完整项目实现,支持分类、分割、检测等任务,可处理图像、视频、音频等多模态数据。Scenic内置多个前沿模型和基线,有助于快速原型设计和大规模实验。
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