DIS

高精度二值图像分割方法，优化模型与即将发布的V2.0数据集

Dichotomous Image Segmentation ECCV 2022 IS-Net DIS dataset U2-Net Github 开源项目

简要介绍高精度二值图像分割（DIS）任务的新进展，包括ECCV 2022接受的论文、DIS5K数据集V1.0和即将发布的V2.0版本。DIS任务应用于3D建模、图像编辑、艺术设计、静态图像动画和增强现实等领域。目前发布的为学术版本模型，用户可通过链接下载预训练权重进行推理。优化模型和更全面的数据集即将发布，敬请关注。

访问官网

Github

Huggingface

介绍相关项目

PIDM - 人像图像生成技术，支持姿态和外观定制

本项目采用去噪扩散模型实现高质量人像图像生成，并支持姿态和外观控制。经过在DeepFashion数据集的训练，该方法可在5天内利用多GPU实现高精度样本生成。提供预训练模型下载和详细的训练与推理指南，支持自定义数据集。实验比较显示，该模型在多种先进方法中表现优异。相关代码和生成结果可在GitHub及Google Colab中体验。

OpenDalleV1.1 - 超越SDXL性能的开源AI文生图模型

GithubHuggingfaceOpenDalleV1.1Stable Diffusion人工智能绘画图像生成开源项目模型深度学习

OpenDalleV1.1是一个开源AI图像生成模型，比SDXL具有更强的性能表现。模型在图像真实感和艺术风格方面表现突出，能够准确解析提示词并生成对应图像。基于独特的模型合并方法开发，仅限个人非商业使用，支持diffusers框架部署，通过推荐参数配置可生成细节丰富的图像。

DMD2 - 改进分布匹配蒸馏的快速图像合成技术

AI绘图DMD2Github图像生成开源项目文本生成图像模型蒸馏

DMD2是一种改进的分布匹配蒸馏技术，用于快速图像合成。通过消除回归损失、集成GAN损失和支持多步采样，该技术显著提升了图像生成的质量和效率。在ImageNet-64x64和COCO 2014数据集上，DMD2的FID评分超越原始模型，同时将推理成本降低500倍。此外，DMD2还能生成百万像素级图像，在少步方法中展现出卓越的视觉效果。

dit-base-finetuned-rvlcdip - 基于自监督学习的文档图像转换模型应用

Document Image TransformerGithubHuggingfaceRVL-CDIP开源项目文档分类模型自我监督学习视觉编码器

Document Image Transformer 是一种基于 Transformer 的模型，专为自监督学习而设计，通过大量文档图像来学习图像的内在表示。经过 RVL-CDIP 数据集的细调，该模型适用于文档图像分类、表格检测和文档布局分析等任务。通过在预训练编码器上添加线性层，可以灵活实现不同任务的目标。模型将图像划分为16x16像素固定块，并使用离散 VAE 编码器的视觉 token 进行预测。该技术解决方案在灰度图像分类中表现出色，尤其是在细分类别的文档图像任务中。

SegmentAnythingin3D - NeRF模型的三维目标分割框架SA3D

3D分割GithubNeRFSA3DSAM开源项目计算机视觉

SA3D是一个创新的三维目标分割框架，基于神经辐射场(NeRF)模型。它允许用户通过单一视图的手动提示，快速获取目标对象的3D分割结果。SA3D支持点提示和文本提示输入，处理时间约为2分钟。该框架在建筑、室内场景和复杂物体等多种应用场景中展现了良好的适应性，为3D场景感知和虚拟现实内容创作提供了新的可能。项目还包含直观的图形界面，便于研究人员和开发者进行快速实验和应用开发。

awesome-segment-anything - Segment Anything项目研究进展

GithubInpaintingSegment Anything医疗图像分割开源项目计算机视觉项目专有名称

本项目专注于追踪和总结Segment Anything在计算机视觉领域的最新研究进展，内容涵盖基准模型论文、衍生论文和衍生项目，覆盖医学影像分割、视频帧插值、低层视觉、图像插补等多个领域。如觉得本资源库有帮助，请星标或分享。这里提供最新的项目更新和丰富的资源链接，助力进一步研究和应用。

MP-Former - 基于mask-piloted机制的先进图像分割模型

CVPR 2023GithubMP-FormerMask2FormerTransformer图像分割开源项目

MP-Former是一种新型图像分割transformer模型，采用mask-piloted机制改进分割效果。项目包含训练和评估代码，适用于实例分割和全景分割任务。基于Mask2Former架构开发，在COCO数据集上展现出良好性能。项目提供了复现论文实验的脚本，为计算机视觉研究提供参考实现。MP-Former在CVPR 2023上发表，提供了no noise和all-layer MP训练设置，12轮训练后在实例分割任务上达到40.15 AP。项目代码开源，安装过程与Mask2Former相同，便于研究者快速上手和进行进一步探索。

Denoising-ViT - 去噪视觉Transformer优化密集识别任务效果

ECCV 2024GithubVision Transformers图像去噪密集识别任务开源项目特征图

Denoising Vision Transformers (DVT)是一种新型方法,用于消除视觉Transformer (ViT)特征图中的视觉伪影。DVT通过去除这些伪影,显著提升了ViT在语义分割和深度估计等密集识别任务中的表现。实验结果表明,DVT能有效改善MAE、DINO、DINOv2等多种预训练ViT模型在PASCAL VOC、ADE20K和NYU-D等数据集上的下游任务性能。

DiffusionMat - 创新图像抠图的序列细化学习方法

DiffusionMatGithubalpha遮罩三元图图像抠图开源项目扩散模型

DiffusionMat是一种新型图像抠图框架,利用扩散模型实现从粗略到精细alpha遮罩的过渡。它将图像抠图视为序列细化学习过程,通过对trimaps添加噪声并迭代去噪来引导预测。框架的主要创新包括校正模块和Alpha可靠性传播技术,旨在提高抠图精度和一致性。DiffusionMat还采用了专门的损失函数来优化alpha遮罩的边缘精度和区域一致性。在多个图像抠图基准测试中,该方法展现出优于现有技术的性能。

相关项目

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

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

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

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

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。

使用协议隐私政策广告服务

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