Project Icon

avp_teleoperate

Apple Vision Pro远程操控Unitree H1_2人形机器人

该项目实现了Apple Vision Pro远程操控Unitree H1_2人形机器人的功能。通过逆运动学和图像传输技术,实现了双手和双臂的精确控制。项目提供了详细的环境配置指南,涵盖Isaac Gym模拟环境和本地流媒体设置。代码基于TeleVision框架,针对Unitree机器人进行了优化。这一解决方案为人形机器人远程操作开辟了新途径,具有广阔的应用前景。

MotionCtrl - 视频生成中的动作控制统一解决方案
AIGithubMotionCtrl动作控制开源项目腾讯视频生成
MotionCtrl是一个统一的视频生成动作控制系统,可独立调节生成视频中的相机和物体运动。该项目兼容SVD、VideoCrafter和AnimateDiff等多个视频生成模型,并提供训练代码、推理脚本和在线演示。通过MotionCtrl,研究人员和内容创作者能够更精确地控制生成视频的动作效果,从而提高视频生成的质量和灵活性。
EyeTrackVR - 为VRChat设计的开源VR眼动追踪平台
EyeTrackVRGithubIR发射器VR眼动追踪开源项目硬件设计
EyeTrackVR是一个专为VRChat开发的开源VR眼动追踪平台。该项目通过OSC和UDP协议运作,兼容多种VR头显。EyeTrackVR提供完整硬件解决方案,包括3D打印支架和红外发射器PCB设计。项目注重用户安全,特别关注红外发射器的使用。虽然仍在开发阶段,但已提供详细文档和社区支持。EyeTrackVR为VR爱好者提供了一个经济实惠且创新的眼动追踪方案。
vid2avatar - 自监督场景分解实现野外视频3D人物重建
3D头像重建GithubVid2Avatar场景分解开源项目自监督学习视频处理
Vid2Avatar是一个开源项目,采用自监督场景分解方法从未处理的野外视频中重建3D人物模型。该方法无需额外监督,通过分离人物和背景实现精确建模。项目包含完整代码、预处理数据集和使用说明,适用于复杂场景的人物建模。
ScreenAgent - 由视觉语言大模型驱动的电脑控制工具
GithubIJCAI 2024ScreenAgentVLM Agent开源项目数据集自动控制
ScreenAgent项目创建了一个由视觉语言模型驱动的电脑控制环境,允许代理通过截图与真实屏幕互动并操作GUI。自动控制流程分为规划、执行和反思三个阶段,使代理能够完成多步骤任务。项目包含丰富的截图和操作序列数据集,支持包括GPT-4V、LLaVA-1.5、CogAgent和ScreenAgent在内的多种模型,并提供简化体验的网页版客户端。
octo - 基于transformer的通用机器人控制策略
AI模型GithubOcto开源项目微调机器人政策预训练模型
Octo是一个基于transformer的扩散策略模型,通过80万条多样化机器人轨迹数据训练而成。该模型支持多个RGB相机输入,可控制各种机器人手臂,并接受语言命令或目标图像指令。其模块化注意力结构使其能高效迁移至新的传感器输入、动作空间和形态。项目提供预训练模型、微调脚本和评估示例,便于研究人员进行深入开发和应用。
ml-hugs - 从单个视频重建可动画化人体和场景的3D技术
3D重建GithubHUGS人体高斯分层动画生成开源项目神经辐射场
HUGS是一种利用神经辐射场的计算机视觉技术,能从单个视频重建背景场景和可动画化的人体3D表示。该开源项目提供完整实现,包括数据准备、模型训练和评估脚本。HUGS支持三种训练模式:联合人体和场景、仅人体以及仅场景,适用于多种应用场景。在PSNR、SSIM和LPIPS等指标上,HUGS展现了优异的性能,为人体动画和场景重建研究提供了新思路。
virtual-background - 浏览器内实时视频流虚拟背景替换,支持多个机器学习模型
BodyPixGithubML KitMediaPipeVirtual BackgroundWebAssembly开源项目
该项目展示了如何在浏览器实时视频流中,添加虚拟背景并切换三种预训练机器学习模型,包括BodyPix、MediaPipe Meet Segmentation和ML Kit Selfie Segmentation。用户可以对桌面和移动设备上的不同模型性能进行比较。此项目提供了详细的实现细节、性能分析及改进建议。
openvla-7b - 基于视觉和语言的开源机器人动作生成模型
GithubHuggingfaceOpenVLA图像文本处理开源项目机器人控制机器学习模型视觉语言行为模型
OpenVLA-7B是一个开源的视觉-语言-动作模型,基于97万个机器人操作数据训练。该模型将语言指令和摄像机图像转化为机器人动作,支持多种机器人控制,并可通过微调适应新任务。OpenVLA-7B采用MIT许可证,适用于零样本指令执行和新领域迁移。
Robovision - 智能化视觉AI平台助力企业适应动态环境
AI工具Robovision人工智能平台动态环境计算机视觉边缘AI
Robovision为动态环境提供专业的计算机视觉AI平台,覆盖AI全生命周期管理。平台支持2D和3D视觉AI,可快速适应环境变化,无需停机更新,降低部署风险和成本。非AI专家也能轻松使用复杂视觉应用。其边缘AI解决方案实现低延迟实时自动化。该平台广泛应用于制造、农业、医疗和零售等行业,提升企业生产效率。
I_am_a_person - 全面AI数字人解决方案
AI绘图Github大语言模型开源项目数字人语音合成语音识别
I_am_a_person是一个综合性AI数字人项目,涵盖形象生成、语音识别、大语言模型和语音合成等多个领域。项目整合了人体姿态估计、换脸技术、AI绘图等先进技术,并探索真人和虚拟数字人驱动技术。通过多种语音和语言模型的应用,该项目旨在实现全方位的AI数字人解决方案。
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

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