Project Icon

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。

micro_diffusion - 低成本训练大规模扩散模型的开源方案
Githubdiffusion models低成本大规模模型开源开源项目模型训练
micro_diffusion是一个开源项目,旨在提供低成本训练大规模扩散模型的方法。该项目计划发布完整训练代码和模型检查点,为研究人员和AI爱好者提供实验资源。通过降低研究门槛,micro_diffusion有望促进扩散模型领域的广泛参与和创新。
diffusion-classifier - 利用大规模文本到图像生成模型实现零样本分类
Diffusion ClassifierGithubICCV 2023Stable Diffusionzero-shot分类开源项目生成模型
本项目展示了如何利用大型文本图像生成模型如Stable Diffusion进行零样本分类,无需额外训练。该生成分类方法在多项基准测试中表现优越,超过其他扩散模型的知识提取方法。通过从ImageNet的类条件扩散模型中提取标准分类器,该模型即使在仅使用弱增强的情况下也表现出强大的分类性能和分布转移的稳健性。本研究推进了生成模型在下游任务中的应用,是对多模态组合推理能力的重要探索。
glpn-nyu - 全球-局部路径网络在单目深度估计中的应用
GLPNGithubHuggingface使用限制单目深度估计开源项目愿景模型模型描述
GLPN模型利用SegFormer作为基础结构,并在NYUv2数据集进行微调,以实现单目深度估计。基于Kim等人的研究,GLPN通过轻量级模块提升深度预测能力,适用于多个深度感知应用场景,帮助增强计算机视觉系统的环境理解能力。
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。
MDT - MDTv2图像合成模型:更快收敛和卓越性能
GithubMasked Diffusion Transformer人工智能图像合成开源项目深度学习计算机视觉
MDTv2是一种先进的深度学习图像合成模型,在ImageNet数据集上实现了1.58的FID分数,创造新的业界标准。该模型采用掩码潜在建模技术,提高了图像语义理解能力,学习速度比先前模型快10倍以上。MDTv2在图像生成质量和训练效率方面都有显著提升,为计算机视觉和人工智能领域带来了新的可能性。
Wonder3D - 使用跨域扩散技术从单一图像快速生成高质量3D模型
3D重建GithubWonder3D单视图重建多视图一致性开源项目扩散模型
Wonder3D是一个开源的3D重建项目,采用跨域扩散技术从单一图像生成高质量3D模型。该方法首先生成多视图法线贴图和彩色图像,然后通过法线融合实现快速重建。项目提供了推理和训练代码,支持自定义数据训练,并包含使用说明和演示。Wonder3D在重建速度和质量上均有优势,为3D内容创作提供了高效解决方案。
MS-Diffusion - 基于布局引导的多主体零样本图像个性化框架
GithubMS-Diffusion图像生成多主题个性化布局引导开源项目零样本学习
MS-Diffusion是一个多主体零样本图像个性化框架,利用布局引导技术提高生成质量。该框架通过接地令牌和特征重采样器保持细节保真度,并引入多主体交叉注意力机制协调主体组合。实验显示,MS-Diffusion在图像和文本保真度方面表现优异,有助于推进个性化文本到图像生成技术的发展。
zero123 - 零样本单图像到3D对象转换技术
3D重建GithubObjaverseZero-1-to-3单视图开源项目稳定扩散
探索一种创新技术,通过一张图像实现高精度的3D对象重建。研究介绍了如何使用Zero123进行新视角合成和3D重建,解决了文字转图像模型中的视角歧义问题,并展示了其在多种应用中的卓越性能。项目还包括Zero123-XL和Objaverse-XL的最新权重发布,以及详细的使用和训练指南,支持研究者和开发者在现有硬件上进行开发和测试。
zoedepth-nyu-kitti - 基于DPT框架的深度估计神经网络
GithubHuggingfaceZoeDepth图像处理开源项目模型深度估计深度学习计算机视觉
ZoeDepth-nyu-kitti是一个基于DPT框架开发的深度估计模型,通过NYU和KITTI数据集进行微调。该模型结合相对深度和度量深度估计方法,可输出实际度量值的深度数据,支持零样本单目深度估计应用。模型提供pipeline API接口,便于集成使用。通过扩展DPT框架的功能,实现了从相对深度到度量深度的转换。
Awesome-Monocular-3D-detection - 最新单目3D物体检测的研究进展与资源汇总
3D检测CVPRGithubMonocular 3D Object DetectionPytorch开源项目深度学习
了解单目3D物体检测的最新研究进展,页面涵盖2024至2016年的相关学术论文,并持续更新。您可浏览详细的文章列表,涉及单目3D检测领域的各种关键主题和方法。此外,网站还提供Pytorch代码,方便研究和应用。适合研究人员、开发人员和单目3D检测领域的爱好者。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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