Marigold

基于扩散模型的单目深度估计新方法

Marigold项目开发了一种基于扩散模型的单目深度估计方法。该方法利用Stable Diffusion中的视觉知识，通过合成数据微调，实现了对未见数据的零样本迁移。Marigold不仅提供了高精度的深度估计结果，还包含快速推理版本，为计算机视觉领域提供了新的研究方向。

访问官网

MVDream - 多视角扩散模型实现高质量3D内容生成

3D生成AI视觉GithubMVDream多视角扩散模型开源项目深度学习

MVDream是一个开源的多视角扩散模型项目，用于3D内容生成。项目在GitHub上提供两个代码仓库：多视角扩散模型（https://github.com/bytedance/MVDream）和集成SDS技术的3D生成（https://github.com/bytedance/MVDream-threestudio）。由字节跳动研究团队开发，为计算机视觉和3D生成领域提供新的工具和方法。

lotus-normal-g-v1-0 - 基于扩散原理的高精度视觉预测模型

GithubHuggingfaceLotus密集预测开源项目扩散模型模型深度学习视觉基础模型

Lotus是EnVision Research团队开发的视觉基础模型，采用扩散模型技术实现高精度的视觉预测功能。该项目已在arXiv发表论文，并开源了完整代码库。通过在线演示平台，开发者可以体验其在计算机视觉领域的实际应用效果。

LGM - 多视图高斯模型实现高质量3D内容创建

3D内容创建GithubLGM多视图开源项目高分辨率高斯模型

LGM是一种大规模多视图高斯模型,用于创建高分辨率3D内容。该模型可将文本或图像转换为高质量3D模型,并支持快速推理和训练。项目开源了完整代码、预训练权重和演示应用,为3D内容创作提供了实用工具。LGM在3D重建的精度和效率上有显著提升,推动了计算机图形学和视觉领域的发展。

MagicDrive - 多样化3D几何控制的街景生成框架

3D几何控制GithubMagicDrive开源项目扩散模型街景生成计算机视觉

MagicDrive是一个创新街景生成框架，提供多样化的3D几何控制，包括相机姿态、道路地图和3D边界框。通过结合文本描述、定制编码策略和跨视图注意力模块，实现了多相机视角的一致性。该框架能生成高保真街景图像和视频，精确捕捉3D几何特征和场景细节，有助于提升BEV分割和3D物体检测等任务的性能。

control_v11f1p_sd15_depth - 基于深度图的ControlNet模型为Stable Diffusion提供精准深度控制

ControlNetGithubHuggingfaceStable Diffusion图像处理图像生成开源项目模型深度估计

control_v11f1p_sd15_depth是ControlNet v1.1系列的深度图控制模型。它通过深度信息精确控制图像生成，支持多种深度估计方法。相比1.0版本，新模型优化了训练数据，提高了预处理器兼容性，增强了通用性和鲁棒性。该模型可与Stable Diffusion等扩散模型配合使用，为图像生成提供精确的深度控制。

DiffusionMat - 创新图像抠图的序列细化学习方法

DiffusionMatGithubalpha遮罩三元图图像抠图开源项目扩散模型

DiffusionMat是一种新型图像抠图框架,利用扩散模型实现从粗略到精细alpha遮罩的过渡。它将图像抠图视为序列细化学习过程,通过对trimaps添加噪声并迭代去噪来引导预测。框架的主要创新包括校正模块和Alpha可靠性传播技术,旨在提高抠图精度和一致性。DiffusionMat还采用了专门的损失函数来优化alpha遮罩的边缘精度和区域一致性。在多个图像抠图基准测试中,该方法展现出优于现有技术的性能。

depth-anything-large-hf - 基于DPT和DINOv2的大规模深度估计模型

Depth AnythingGithubHuggingface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是一个基于DPT架构和DINOv2主干的深度估计模型，通过6200万张图像训练而成。该模型在相对和绝对深度估计方面均达到最先进水平，可用于零样本深度估计等任务。它提供简单的pipeline接口，支持任意尺寸输入图像，并输出高质量深度图。Depth Anything为计算机视觉领域提供了强大的深度感知能力，可应用于多个场景。

ImageDream - 利用图像提示的多视角扩散方法实现创新3D内容生成

GithubImageDream三维生成人工智能图像提示多视图扩散开源项目

ImageDream是一个从单一2D图像输入生成逼真3D内容的开源项目。它结合图像提示和多视角扩散技术创建高质量3D模型，支持软阴影渲染，并提供简便的配置和安装指南。该项目展示了图像引导3D生成的最新应用，为计算机视觉和图形学研究提供了新的实验平台。

DiG - 基于门控线性注意力的高效可扩展扩散模型

DiGDiffusion ModelsGated Linear AttentionGithub图像生成开源项目深度学习

DiG项目提出了一种基于门控线性注意力的扩散模型,用于解决现有模型在可扩展性和计算效率方面的挑战。该模型在高分辨率下展现出显著的训练速度提升和内存节省,性能优于DiT。DiG在不同计算复杂度下表现出色,随着模型深度/宽度增加或输入令牌增强,FID值持续下降。与其他次二次时间复杂度的扩散模型相比,DiG在多种分辨率下都展现出卓越的效率。

MedSegDiff - 创新医学图像分割框架

GithubMedSegDiff人工智能医学图像分割开源项目扩散模型深度学习

MedSegDiff是一个创新的医学图像分割框架，基于扩散概率模型(DPM)。该方法通过添加高斯噪声并学习逆向去噪过程来实现分割。利用原始图像作为条件，MedSegDiff从随机噪声生成多个分割图，并进行集成获得最终结果。这种方法能够捕捉医学图像中的不确定性，在多个基准测试中表现优异。MedSegDiff支持多种医学图像分割任务，包括皮肤黑色素瘤和脑肿瘤分割等，并提供详细使用说明和示例。

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