Project Icon

repvgg_a2.rvgg_in1k

RepVGG架构的轻量级图像分类模型支持多种视觉应用

repvgg_a2.rvgg_in1k是基于RepVGG架构的图像分类模型,通过ImageNet-1k数据集训练。该模型利用timm库的BYOBNet实现,允许自定义网络结构。模型参数量为28.2M,GMACs为5.7,处理224x224像素的输入图像。除图像分类外,还支持特征图提取和图像嵌入,可应用于多种计算机视觉任务。

LlamaGen - 自回归模型在图像生成中的应用和优势
AR模型GithubHugging FaceLlamaGen图像生成开源项目自回归模型
LlamaGen项目展示了自回归模型在图像生成中的潜力,通过无偏视觉信号和大规模数据训练,实现了媲美扩散模型的性能。该项目发布了多种图像tokenizer和生成模型,支持从100M到3B参数的多种配置,并提供在线演示和高效的vLLM服务框架。访问项目页面和在线demo,体验这些创新模型的强大功能。
image-gpt - 支持多数据集的生成预训练模型
CIFAR10Fashion-MNISTGithubImage GPTPyTorch开源项目生成式预训练
Image GPT是一个基于生成像素预训练模型(Generative Pretraining from Pixels)的PyTorch实现,支持多种预训练模型和数据集。该项目允许下载预训练模型、量化图像、进行生成预训练和分类微调。它还具有BERT风格的预训练、支持加载OpenAI预训练模型等功能。目前,使用单个NVIDIA 2070 GPU可在Fashion-MNIST上实现高效训练,简化了多种图像数据集上的生成模型训练和应用流程。
Bunny - 轻量高效多模态模型支持高分辨率图像分析
AI模型BunnyGithub多模态模型开源项目视觉语言模型轻量级模型
Bunny是一个轻量高效的多模态模型家族,集成多种视觉编码器和语言骨干网络。该项目通过优化训练数据提升小规模模型性能,其中Bunny-Llama-3-8B-V模型支持1152x1152分辨率图像处理,在多项视觉语言任务中表现优异。Bunny为开发者提供了灵活的多模态AI解决方案。
BigVGAN - 大规模训练的通用神经网络声码器
BigVGANGithub开源项目深度学习神经声码器语音合成音频处理
BigVGAN是一个通过大规模训练实现的通用神经网络声码器。它可高质量合成多语言语音、环境声音和乐器声音等多种音频。项目提供多个预训练模型,支持44kHz采样率和512倍上采样比率。BigVGAN集成自定义CUDA内核,在单个A100 GPU上推理速度提升1.5-3倍。
InSPyReNet - 优化显著目标检测的高分辨率图像金字塔网络
GithubInSPyReNetPyTorch图像金字塔开源项目显著性目标检测高分辨率图像
本项目介绍了一种基于图像金字塔的显著目标检测框架,称为逆显著性金字塔重构网络(InSPyReNet)。该方法无需高分辨率数据集即可进行高分辨率预测,并通过多尺度的图像融合解决感受野差异问题。实验结果表明,InSPyReNet在多项显著目标检测指标和边界精度上优于现有方法。项目提供了PyTorch实现,支持多GPU训练,且在HuggingFace等平台上提供了Web演示和命令行工具。
recognize-anything - 通用图像识别模型:支持开放域类别和高精度标签生成
GithubRAM++图像识别多模态开源模型开源项目零样本学习
Recognize Anything Model是一系列开源图像识别模型,包括RAM++、RAM和Tag2Text。这些模型能准确识别常见和开放域类别,支持高精度图像标签生成和全面描述。项目提供预训练模型、推理代码和训练数据集,适用于多种计算机视觉任务。模型性能优于现有先进方案,尤其在零样本识别方面表现突出。
joytag - 多标签AI图像标记模型 支持5000+标签
AI视觉模型GithubJoyTagViT架构图像标签多标签分类开源项目
JoyTag是基于ViT-B/16架构的AI视觉模型,专用于图像多标签分类。采用Danbooru标记体系,支持5000多个标签,适用于手绘和摄影等多种图像类型。模型在0.4阈值下F1分数达0.578,能为每张图像生成独立标签预测。可用于diffusion模型训练等多种应用场景。
models - 探索最先进的机器学习模型与技术
GithubONNX Model Zoo图像分类对象检测开源项目机器学习模型语言处理
ONNX Model Zoo是一个开源平台,汇集了各种预训练且处于技术前沿的机器学习模型,涵盖计算机视觉、自然语言处理等多个领域。旨在为开发者、研究人员和技术爱好者提供高效实用的AI工具,加速机器学习技术的应用和发展。此外,ONNX Model Zoo支持多种框架和工具,通过共同的文件格式和操作集,促进了AI开发的灵活性和互操作性。平台以开放性和社区驱动的特性为己任,含有诸如图像分类、对象检测等主要模型,并通过简易接口及高级工具满足不同用户需求,使其既适应初学者也满足专业人士的需求。
ACG2vec - 基于动漫和漫画的高级深度学习项目
ACG2vecGithub图片搜索开源项目插画评分文本搜索深度学习
本项目持续致力于二次元主题的深度学习研究,包括了文本搜索、以图搜图、插画评分预测和图片超分辨率等功能。模型集成了acgvoc2vec、dclip、pix2score、illust2vec和real-cugan_tf等,适用于标签推荐、推荐系统和动漫插图质量评估等应用场景。项目源码托管在GitHub,并通过网页服务提供便捷的标签预测和搜索功能。使用Huggingface平台上的模型,用户可以在线体验这些前沿技术,提升二次元内容处理的效率。
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

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能,包括文生视频、动态画面和形象生成等,帮助用户快速上手,创造专业级内容。

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

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台,用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品,帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型,为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能,满足事务性工作的高频需求,帮助撰稿人节省精力,提高效率,优化工作与生活。

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

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。

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