Project Icon

TokenHMR

基于令牌化姿态表示的人体网格重建新方法

TokenHMR采用阈值自适应损失缩放和令牌预测技术,通过令牌化和TokenHMR两个阶段提高3D人体网格重建精度。该方法在图像对齐和3D姿态估计方面均有良好表现,可用于图像和视频处理,对人体姿态和形状估计研究具有重要意义。

TokenFlow - 改进一致性的视频编辑方法
GithubTokenFlow开源项目扩散模型文本驱动生成式AI视频编辑
TokenFlow 利用预训练的文本到图像扩散模型,实现无需额外训练或微调的高质量视频编辑。通过帧间对应关系传播扩散特征,支持局部及全局编辑,比如改变现有物体的纹理或添加半透明效果(如烟雾、火焰、雪),同时保持输入视频的空间布局和动态效果。
head-pose-estimation - 实时人脸姿态估计,使用ONNX Runtime和OpenCV进行处理
GithubONNX RuntimeOpenCV人脸检测头部姿态估计开源项目面部特征点检测
本项目提供了一个实时的人脸姿态估计解决方案,依赖于ONNX Runtime和OpenCV框架。主要步骤包括人脸检测、68个面部标志点检测以及姿态估计。支持Ubuntu 22.04,提供简单的安装步骤和预训练模型下载链接,使用户可以快速启动并运行。本项目支持视频文件和摄像头输入,提供了详尽的训练指导和代码库,确保了高度的灵活性和扩展性,适合开发和测试用途。
ER-NeRF - 区域感知神经辐射场技术实现高保真说话人物肖像合成
ER-NeRFGithub人像合成开源项目深度学习神经辐射场计算机视觉
ER-NeRF项目开发了一种区域感知神经辐射场技术,用于生成高保真的说话人物肖像。这种方法通过区域化处理提升了渲染效率和质量,可以渲染头部和躯干。项目开源了预训练模型和使用指南,涵盖数据预处理、模型训练和推理等环节。ER-NeRF在说话人物肖像合成领域展现出优异性能,为相关研究提供了新的思路。
HumanVid - 创新的相机控制人物图像动画技术
GithubHumanVid人像动画图像生成开源项目相机控制训练数据
HumanVid是一项致力于相机可控人物图像动画的研究项目。该项目通过优化训练数据利用,旨在实现对人物图像的精确控制和自然动画效果。HumanVid简化了图像处理流程,为研究者和开发者提供了新的工具。项目团队计划在近期发布相关数据,并将于2024年9月底开源训练和推理代码以及模型检查点,有望为计算机视觉和图形学领域带来新的研究方向。HumanVid项目致力于探索如何通过优化训练数据来实现相机可控的人物图像动画,为该领域的进步贡献力量。
multi_token - 将多模态嵌入到大语言模型的开源框架
Githubmulti_token图像识别多模态嵌入大语言模型开源项目语音识别
multi_token是一个开源项目,旨在扩展大语言模型的多模态处理能力。该框架支持将图像、音频、文档和视频等多种模态编码为统一格式,并嵌入到单个模型中。它提供了简便的实现方法,使开发者能够轻松构建支持长文档、图像、音频和视频等多模态输入的语言模型。
SyncTalk - 同步技术驱动的高质量说话头像合成
CVPRGithubSyncTalk人工智能头像合成开源项目计算机视觉
SyncTalk项目通过三平面哈希表示法实现高度同步的说话头像视频合成。该技术生成同步的唇部运动、面部表情和稳定的头部姿势,同时还原发型细节,创造高分辨率视频。在保持人物身份的同时,项目显著提升了说话头像的自然度和真实感。
IDM-VTON - 改进扩散模型的虚拟试衣技术 生成逼真服装搭配
GithubIDM-VTON人工智能图像生成开源项目扩散模型虚拟试衣
IDM-VTON项目改进了扩散模型在虚拟试衣领域的应用。该技术能在复杂背景和姿势下生成逼真的服装搭配效果,克服了传统方法的局限性。项目开源了训练和推理代码,支持VITON-HD和DressCode等数据集,并提供在线演示。这一技术为时尚电商和个人造型应用提供了新的可能性。
NDR-code - 单目RGB-D相机的动态场景神经表面重建
3D重建GithubNeurIPSRGB-D相机动态场景重建开源项目神经网络
NDR是一种基于神经网络的动态场景表面重建方法,利用单目RGB-D相机数据恢复高保真几何、运动和外观。该技术无需模板,适用于复杂场景重建。NDR在NeurIPS 2022会议获得Spotlight展示,体现了其在3D视觉领域的创新性。项目提供开源代码和数据集,为相关研究提供参考。
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。
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

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。

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