oneformer_ade20k_swin_tiny

通过单一模型实现多任务图像分割的统一框架

图像分割实例分割模型深度学习 OneFormer Github 语义分割 Huggingface 开源项目

OneFormer通过单一架构实现语义、实例和全景分割的统一处理。基于ADE20k数据集训练并采用Swin主干网络，这个紧凑型模型仅需一次训练即可完成多种图像分割任务。其独特的任务令牌机制实现了训练引导和推理动态化，为图像分割领域提供了高效的解决方案。

文档

X-Decoder - 像素、图像和语言的统一解码模型

GithubX-Decoder图像分割多任务学习开放词汇分割开源项目计算机视觉

X-Decoder是一个通用解码模型,可生成像素级分割和标记级文本。该模型在多个数据集上实现了开放词汇分割和指代分割的最佳结果,在分割和视觉语言任务上表现出色。X-Decoder支持语义、实例和全景分割,以及图像描述、图像-文本检索等多种任务。此外,它还能进行区域检索、指代描述、图像编辑等零样本任务组合。

LLFormer - 高效处理超高清低光照图像的Transformer模型

AAAIGithubTransformer低光照图像增强开源项目超高清

LLFormer是一种新型Transformer模型,专门用于增强超高清低光照图像。通过创新的轴向多头自注意力和跨层注意力融合机制,LLFormer能高效处理4K和8K分辨率图像。在UHDLOL基准测试中,该模型性能显著优于现有方法。LLFormer不仅提升了图像质量,还能改善低光照条件下人脸检测等下游任务的效果。

visformer_small.in1k - 视觉友好型Transformer图像分类模型

GithubHuggingfaceImageNet-1kVisformertimm图像分类开源项目模型深度学习模型

visformer_small.in1k是基于Visformer架构的图像分类模型，在ImageNet-1k数据集上训练。该模型采用视觉友好的Transformer设计，平衡了高效性和分类性能。它具有4020万参数，处理224x224尺寸图像，可用于分类任务和特征提取。研究者可通过timm库轻松使用此预训练模型进行图像分析和嵌入生成。

BEVFormer - 多摄像头鸟瞰图学习框架助力自动驾驶感知

BEVFormerGithub多相机感知开源项目目标检测自动驾驶鸟瞰图表示

BEVFormer是一个用于自动驾驶感知的开源框架,通过时空Transformer从多摄像头图像中学习统一的鸟瞰图表示。该方法利用预定义的网格查询,结合空间交叉注意力和时间自注意力机制,有效聚合多视角的空间和时序信息。在nuScenes测试集上,BEVFormer达到56.9%的NDS指标,显著超越现有方法,与激光雷达系统性能相当。这一创新为基于纯视觉的3D目标检测提供了新的基准。

clipseg-rd64-refined - 基于文本和图像提示的先进图像分割策略

CLIPSegGithubHuggingface一样本学习图像分割复杂卷积开源项目模型零样本学习

该模型引入先进的复杂卷积技术，支持零样本和单样本图像分割。结合文本与图像提示，该模型在图像分析中提供高效且准确的分割性能。

evf-sam2-multitask - 创新视觉语言融合技术提升文本引导图像分割效果

EVF-SAMGithubHuggingface人工智能图像分割开源项目模型深度学习视觉语言融合

EVF-SAM项目引入了早期视觉语言融合技术，旨在优化文本引导的图像分割任务。通过有效结合视觉与语言信息，该技术显著提升了分割的精确度和效率。项目提供了模型检查点，使用者可通过源代码中的'inference.py'文件了解具体应用方法。值得注意的是，当前版本需要从源代码直接导入模型脚本，尚不支持'AutoModel.from_pretrained(...)'功能。

panoptic-segment-anything - 零样本全景分割融合SAM、Grounding DINO和CLIPSeg的创新方法

CLIPSegGithubGrounding DINOSAM实例分割开源项目零样本全景分割

panoptic-segment-anything项目提出了一种创新的零样本全景分割方法。该方法巧妙结合Segment Anything Model (SAM)、Grounding DINO和CLIPSeg三个模型，克服了SAM在文本感知和语义分割方面的局限性。项目提供Colab notebook和Hugging Face Spaces上的Gradio演示，方便用户体验这一pipeline。此外，预测结果可上传至Segments.ai进行微调，为计算机视觉研究开辟了新的可能性。

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。

actionformer_release - 基于Transformer的高精度动作时刻定位模型

ActionFormerActivityNetGithubTHUMOS14Transformer开源项目时序动作定位

actionformer_release是一个基于Transformer的动作定位模型，能够检测动作实例的起止点并识别动作类别。在THUMOS14数据集上，该模型取得了71.0%的mAP，超越之前的最佳模型14.1个百分点，并首次突破60%的mAP。此外，该模型在ActivityNet 1.3和EPIC-Kitchens 100数据集上也取得了优异成绩。该项目设计简洁，通过局部自注意力机制对未剪辑视频进行时间上下文建模，并可一次性精确定位动作时刻。代码和预训练模型已开源，可供下载和试用。

SOLO - 无框的实例分割算法，可直接输出实例掩码和类别概率，并具备高质量掩码预测和顶级性能

GithubResNet-101SOLOSOLOv2开源项目目标分割高质量遮罩预测

SOLO项目实现了SOLO和SOLOv2两种完全无框的实例分割算法，可直接输出实例掩码和类别概率，并具备高质量掩码预测和顶级性能。该项目基于mmdetection，支持多GPU和单GPU训练，并提供多种预训练模型下载，包括轻量级模型。对于研究人员来说，这些工具显著提高了分割精度和训练速度，适用于各种应用场景。

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