Project Icon

oneformer_ade20k_dinat_large

OneFormer单一模型在多任务图像分割中实现卓越表现

OneFormer模型借助单一架构和模块在ADE20k数据集上进行训练,适用于语义、实例和全景分割。通过使用任务令牌,该模型能够动态调整以满足不同任务要求,不仅显著优化了分割效果,还具备替代专门化模型的潜力。

1d-tokenizer - 创新1D图像分词框架实现高效图像处理
GithubTiTok图像标记化开源项目生成模型神经网络计算机视觉
1d-tokenizer项目开发了创新的1D图像分词框架,将256×256图像压缩至32个离散标记。该技术突破2D分词限制,提供更灵活紧凑的图像表示。相比扩散模型,生成速度提升数百倍,同时维持高质量输出。研究还深入探讨1D图像分词特性,为图像处理领域开辟新方向。
RestoreFormer - 盲脸修复的跨域注意力模型
GithubRestoreFormer++人脸修复开源项目深度学习盲恢复高质量
RestoreFormer利用多头交叉注意力层实现高质量盲脸修复,其特点是从高质量字典中提取关键-值对用于面部重建。2023年9月项目添加了在线演示和更用户友好的推理方法,2023年1月新增了测试数据集。源代码和资源在GitHub提供,并包含详细的数据集准备和模型训练指南,支持多种评估指标。
SLiMe - 基于Stable Diffusion的单样本图像分割方法
GithubPyTorchSLiMeStable Diffusion图像分割开源项目深度学习
SLiMe是一种基于Stable Diffusion的单样本图像分割方法,通过单个训练样本实现准确分割。项目提供PyTorch实现,包含训练、测试和数据处理指南。SLiMe在PASCAL-Part和CelebAMask-HQ数据集上表现优异,为图像分割研究提供新思路。项目开源代码,支持自定义数据集训练和测试。SLiMe采用图像分块处理技术,提高分割精度。研究者可基于此探索更多单样本学习应用场景。
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。
OFA - 多任务优化的跨模态序列到序列预训练模型
GithubOFA图像字幕多模态开源项目文本生成预训练模型
OFA是一个支持中文和英文的序列到序列预训练模型,整合了跨模态、视觉和语言任务,支持微调和提示调优。其应用包括图像描述、视觉问答、视觉定位、文本生成和图像分类等。项目提供了详细的预训练和微调步骤、检查点和代码示例,以及在Hugging Face和ModelScope上的在线演示和Colab笔记本下载。欢迎社区参与改进和开发。
upernet-convnext-small - 高效语义分割框架融合ConvNeXt技术
ConvNeXtGithubHuggingfaceUperNet图像分割开源项目模型计算机视觉语义分割
UperNet是一种结合ConvNeXt骨干网络的语义分割框架,融合了特征金字塔网络(FPN)和金字塔池化模块(PPM)。它能为每个像素生成语义标签,适用于场景理解和图像分割等计算机视觉任务。该模型提供多种预训练版本,可根据具体需求应用于不同场景。UperNet的设计旨在提高语义分割的准确性和效率,为研究人员和开发者提供了强大的图像分析工具。
Multi-Task-Transformer - 场景理解多任务变压器模型 TaskPrompter和InvPT
GithubTransformer场景理解多任务学习开源项目深度学习计算机视觉
Multi-Task-Transformer项目提供两种场景理解多任务变压器模型:TaskPrompter和InvPT。TaskPrompter利用空间-通道多任务提示进行密集场景理解,InvPT采用倒金字塔架构。这些模型在单目深度估计和3D目标检测等任务中表现出色,并在ICLR2023和ECCV2022会议上发表。项目开源代码和预训练模型,支持多种计算机视觉应用。
sam2-hiera-large - 基于深度学习的高性能图像分割模型
GithubHuggingfaceSAM2图像分割开源项目掩码生成模型模型推理自动掩码生成
SAM2-Hiera-large是Meta公司开发的SAM2模型大型变体,专注于图像分割任务。该模型支持基于边界框的预测和自动掩码生成,可用于处理图像和视频对象分割。开发者可通过Python接口调用模型,实现高效的分割效果。项目提供了详细的使用示例和丰富的资源,方便用户深入了解和应用SAM2技术。
deformable-detr - 使用ResNet-50骨干网络实现的Deformable DETR目标检测模型
COCO 2017Deformable DETRGithubHuggingfaceHungarian算法卷积神经网络开源项目模型物体检测
Deformable DETR模型依托ResNet-50骨干网络,实现了高效的端到端目标检测。通过变形Transformer机制,它能够有效处理并识别图像中的复杂对象。此模型在COCO 2017数据集上经过充分训练,采用目标查询匹配和双重损失优化技术,显著提高了检测精度。适用于高效目标检测场景。
SpA-Former-shadow-removal - Transformer模型实现高效图像去阴影
GithubIJCNN 2023SpA-FormerTransformer图像阴影去除开源项目注意力机制
SpA-Former是一种基于Transformer的图像去阴影模型,采用空间注意力机制提取阴影特征。在ISTD数据集上,该模型在PSNR、SSIM和RMSE指标方面表现出色。SpA-Former具有参数量少、计算效率高的特点,适用于实际场景的阴影去除。该研究已在IJCNN 2023会议发表,并开源了预训练模型和测试结果,便于研究者复现和对比。
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