Project Icon

WHAM

基于世界坐标系的高精度3D人体动作重建技术

WHAM是一种创新的3D人体动作重建技术,能在世界坐标系中精确重现人体动作。该技术基于PyTorch平台,整合了视觉变换器和SLAM技术,可从单一视频中提取精确的人体运动和姿态数据。WHAM在3DPW和EMDB等多个基准数据集上展现出卓越性能,为人体动作分析和计算机视觉研究开辟了新途径。

CenterSnap - 单镜头多物体3D重建与姿态估计技术
3D重建6D姿态估计CenterSnapGithub多物体检测开源项目计算机视觉
CenterSnap是一个开源的深度学习项目,致力于单镜头多物体3D重建和姿态估计。该技术能在单次拍摄中同时完成多个物体的3D形状重建、6D姿态和尺寸估计。项目提供了完整的训练和推理代码,以及预处理数据集,方便研究人员复现结果和开展进一步研究。CenterSnap在机器人抓取和场景理解等领域有潜在应用价值。
HumanTOMATO - 文本驱动的全身动作生成系统
GithubHumanTOMATOH²VQ全身动作生成层次化GPT开源项目文本驱动
研究提出了一种新的文本驱动全身动作生成任务,通过给定的文本描述生成高质量、多样且连贯的面部表情、手势和身体动作。HumanTOMATO 通过使用 Holistic Hierarchical VQ-VAE 和 Hierarchical-GPT 确保动作生成与文本的精确对齐。实验显示,该模型在动作生成质量和文本匹配度上有显著优势。
ED-Pose - 革新端到端多人姿态估计框架
ED-PoseGithub多人姿态估计开源项目深度学习目标检测计算机视觉
ED-Pose创新性地将多人姿态估计任务重新定义为两个显式框检测过程,无需后处理和密集热图监督。该框架在COCO数据集上超越同等骨干网络的热图方法1.2 AP,并在CrowdPose数据集上达到76.6 AP的领先水平。ED-Pose还兼容Human-Art数据集,并优化了推理速度。
RobustVideoMatting - 实现实时且高分辨率的视频抠图技术
GithubPyTorchRVMRobust Video Matting实时性能开源项目热门视频抠图
RobustVideoMatting(RVM)是针对视频中人物进行抠图的专利技术,采用循环神经网络结构优化视频帧的时序处理,无需额外输入即可实现实时抠图。该项目支持4K 76FPS和HD 104FPS的实时处理速度,可广泛应用于各种视频编辑和增强场景。
motionshop - 视频角色3D化身替换应用 让创意无限
3D头像AI视频处理GithubMotionShop人物动画开源项目视频替换
MotionShop是一个开源应用程序,可将视频中的真实人物替换为3D虚拟化身。该应用可用于视频创作、虚拟现实内容制作等领域,为创作者提供新的表现形式。项目已在ModelScope上线体验demo,计划在HuggingFace推出。开发团队持续优化项目,鼓励用户体验并分享创作成果。
HumanSD - 基于骨骼引导的人体图像生成模型
GithubHumanSDStable Diffusion人物图像生成开源项目扩散模型骨架引导
HumanSD是一个基于骨骼引导的扩散模型,用于生成可控的人体图像。该模型通过热图引导去噪损失对稳定扩散模型进行微调,增强了骨骼条件的控制能力,同时减轻了灾难性遗忘。HumanSD在三个大规模人体数据集上训练,其中两个是新建立的。相比现有方法,HumanSD在复杂姿势、绘画风格、多人场景和细节方面表现更佳。
flowmap - 基于梯度下降的相机姿态、内参和深度优化技术
FlowMapGithub光流开源项目深度学习相机姿态估计计算机视觉
FlowMap是一种创新的相机姿态、内参和深度估计技术,通过梯度下降优化获得高质量结果。该开源项目提供完整代码实现、预训练模型和评估数据集,支持多种数据集并提供丰富的实验配置。FlowMap在多个基准测试中表现出色,为计算机视觉和3D重建研究提供了有力支持。
Parts2Whole - 多参考框架实现可控人像生成
GithubParts2Whole人像生成参考框架开源项目深度学习计算机视觉
Parts2Whole提出新型框架,利用多个参考图像生成定制人像。该框架包含语义感知外观编码器和多图像条件生成的共享自注意力机制,能精确选择人体部位实现高度可控生成。项目开源全套代码、模型和数据集,为人像生成研究提供完整解决方案。
DepthCrafter - 生成开放世界视频的长序列一致深度估计
DepthCrafterGithubHuggingface人工智能开源项目模型深度估计视频处理计算机视觉
DepthCrafter是一个开源深度估计项目,专门为开放世界视频生成时间一致的长序列深度图。该项目无需相机姿态或光流信息,可直接处理复杂场景视频,并保留精细细节。DepthCrafter在计算机视觉和3D重建领域具有潜在应用,为视频深度估计研究开辟新方向。
PoseFix_RELEASE - 模块化设计的人体姿态优化工具
GithubPoseFixTensorFlow人类姿态估计图像处理开源项目模型无关
PoseFix是一个模块化设计的人体姿态优化工具,通过精炼现有的姿态估计结果来提升精度。此项目提供了完整的TensorFlow实现,兼容多个公开的2D多人物姿态数据集,如MPII、PoseTrack 2018和MS COCO 2017。用户只需使用简单的.json文件即可改进姿态估计结果。该工具具有灵活性和易于集成的特点,适用于各种姿态估计方法,应用前景广阔。
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