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。

Infusion - 基于扩散先验的3D高斯体场景修复技术
3D GaussiansGithub图像修复开源项目扩散模型深度补全神经渲染
InFusion项目提出了一种创新的3D场景修复方法,通过学习扩散先验的深度完成来修复3D高斯体。该技术实现了对不完整3D场景的高质量修复,能够处理复杂的遮挡情况。InFusion为3D重建和虚拟现实等领域提供了新的解决方案,项目开源了推理代码和预训练模型,为相关研究和开发提供了重要资源。
Radiance-Fields-from-VGGSfM-Mast3r - VGGSfM和Mast3r在3D重建和辐射场生成中的性能对比
3D重建GithubMast3rRadiance FieldsVGGSfM开源项目相机姿态估计
本项目对比了VGGSfM和Mast3r两种深度学习方法在3D重建和辐射场生成中的性能。研究表明,VGGSfM在相机姿态重建方面更为精确,适合逆渲染;Mast3r则提供更密集的点云重建。项目还开发了Mast3r结果转COLMAP格式的工具和在线结果查看器,为相关研究提供了便利。
gaussian_surfels - Gaussian Surfels实现高精度3D表面重建
3D重建Gaussian SurfelsGithub开源项目深度学习计算机图形学高质量表面重建
这个开源项目提出了一种基于Gaussian Surfels的高质量3D表面重建方法。该方法结合了3DGS和IDR的优点,在DTU和BlendedMVS数据集上展示了优异性能。项目提供了完整的环境配置、数据处理、模型训练和评估流程。此外,通过集成COLMAP和Omnidata,该方法支持处理自定义数据集,为3D重建研究和应用提供了有力工具。
Free3D - 基于单视图的一致性多视角图像合成技术
3D生成Free3DGithub单视图重建开源项目新视角合成计算机视觉
Free3D是牛津大学VGG实验室开发的新型计算机视觉技术,可从单一图像生成一致性的多视角合成图,无需显式3D表示。该技术采用射线条件归一化和伪3D注意力机制,在Objaverse等多个数据集上展现优异性能。Free3D为计算机视觉和图形学领域提供了新的研究方向,有望应用于3D重建、虚拟现实等多个领域。
DIVA - 扩散模型辅助CLIP增强视觉理解能力
AI视觉CLIPDIVAGithub开源项目扩散模型迁移学习
DIVA是一种创新方法,利用扩散模型作为视觉助手优化CLIP表示。通过文本到图像扩散模型的生成反馈,DIVA无需配对文本数据即可提升CLIP视觉能力。在MMVP-VLM细粒度视觉评估基准上,DIVA显著提升了CLIP性能,同时保持了其在29个图像分类和检索基准上的强大零样本能力。这为增强视觉语言模型的视觉理解开辟了新途径。
DiffMorpher - 扩散模型驱动的高质量图像变形技术
DiffMorpherGithub图像变形开源项目扩散模型深度学习计算机视觉
DiffMorpher是一项基于扩散模型的图像变形技术。该项目结合AdaIN和重新调度采样方法,实现高质量、连续的图像变形。DiffMorpher不仅适用于人脸,还能处理各种一般物体的变形,拓展了图像编辑的应用范围。项目同时推出MorphBench,作为评估一般物体图像变形效果的首个基准数据集。
q-diffusion - 扩散模型的创新量化方法
GithubQ-Diffusion图像生成开源项目扩散模型深度学习量化
Q-Diffusion是一种针对扩散模型的后训练量化方法。它能将无条件扩散模型压缩至4位精度,同时保持接近原模型的性能。该方法通过时间步感知校准和分离捷径量化技术解决了扩散模型量化的主要难题。Q-Diffusion不仅适用于无条件图像生成,还可用于文本引导的图像生成,首次实现了4位权重下的高质量生成效果。这一技术为扩散模型的高效实现开辟了新途径。
MonoGS - 基于3D高斯分布的实时场景重建与定位系统
3D重建CVPR 2024Gaussian Splatting SLAMGithub单目SLAM实时视觉定位开源项目
MonoGS是一个基于3D高斯分布的SLAM系统,支持单目、双目和RGB-D输入。该系统实现了实时稠密三维重建和精确相机定位,在室内场景中表现优异。通过高斯分布表示三维场景,MonoGS采用创新优化方法实现高效场景更新和渲染。作为CVPR 2024亮点论文,MonoGS展示了在计算机视觉和机器人领域的应用前景。
DiffBIR - 基于扩散模型的多任务盲图像修复方法
DiffBIRGithub人脸修复图像修复开源项目扩散模型盲图像超分辨率
DiffBIR是一种基于扩散模型的盲图像修复方法,可处理多种图像退化问题,如盲超分辨率、盲人脸修复和盲图像去噪。该方法采用两阶段架构,先进行退化移除,再利用IRControlNet重建图像。DiffBIR在真实世界图像上展现出优异的修复效果,能生成高质量、真实的细节。项目提供开源代码、预训练模型和详细使用说明。
stable-video-diffusion-img2vid - AI模型将静态图像转换为动态短视频的创新技术
GithubHuggingfaceStable Video Diffusion人工智能图像到视频生成开源项目模型深度学习计算机视觉
Stable Video Diffusion Image-to-Video是一种先进的AI模型,可将静态图像转化为短视频。该模型利用潜在扩散技术,生成14帧、576x1024分辨率的视频片段。在视频质量方面表现出色,主要应用于生成模型研究和安全部署等领域。尽管存在视频时长短、可能缺乏动作等限制,但该模型为图像到视频转换技术带来了新的可能性。目前仅限于研究用途,不适用于生成事实性或真实性内容。
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