Project Icon

CAT

创新图像恢复模型 强化远程特征建模

CAT是一种创新的图像恢复模型,采用矩形窗口自注意力机制扩大特征提取范围。模型通过水平和垂直矩形窗口并行聚合特征,实现窗口间交互。结合CNN的局部特性,CAT在全局-局部特征耦合方面表现出色。实验证实该方法在多种图像恢复任务中超越了现有技术水平。

CatVTON - 高效轻量的虚拟试衣扩散模型
CatVTONGithub参数高效训练开源项目扩散模型简化推理虚拟试衣
CatVTON是一个高效的虚拟试衣扩散模型,采用轻量级网络结构和参数高效训练方法。该模型总参数量为899.06M,其中可训练参数仅49.57M,在1024x768分辨率下推理时显存占用不到8G。项目开源了完整代码、预训练权重,并提供在线演示。CatVTON支持ComfyUI和Gradio部署,在VITON-HD和DressCode数据集上展现出优异性能,推动了虚拟试衣技术的发展。
VAR - 通过大规模预测生成可扩展图像的视觉自回归模型
GPT风格模型GithubVAR可视化自回归建模图像生成开源项目扩散模型
VAR模型利用创新的'下一尺度预测'策略,重塑自回归图像学习方式,优于传统扩散模型。它适用于多种图像生成任务,展现出优秀的尺度预测与型态泛化能力。现可通过FoundationVision/var进行交互体验。
ml-aim - 自回归图像模型预训练的突破性进展
AIMGithub图像特征大规模模型开源项目自回归图像模型预训练
AIM项目开发了一系列采用自回归生成目标预训练的视觉模型。研究发现,图像特征的自回归预训练呈现出与大型语言模型类似的扩展性。该项目能够将模型参数轻松扩展到数十亿级,并能有效处理大规模未筛选的图像数据。AIM提供多种预训练模型,兼容PyTorch、MLX和JAX等多个框架,为计算机视觉领域的研究与应用提供了有力支持。
DeSRA - GAN超分辨率模型伪影智能检测与消除
DeSRAGANGithub人工智能图像处理开源项目超分辨率
DeSRA项目开发了创新方法,用于检测和消除GAN实际场景超分辨率模型中的伪影。该方法能高效识别伪影区域,通过微调策略消除同类伪影,只需少量样本即可。这一技术突破缩小了超分辨率算法在实际应用中的差距,为图像质量提升开辟了新途径。
vit-gpt2-image-captioning - ViT-GPT2结合的智能图像描述生成模型
GithubHuggingfacetransformers图像描述开源项目模型深度学习自然语言处理计算机视觉
vit-gpt2-image-captioning是一个结合视觉Transformer和GPT-2的图像描述生成模型。该模型能准确识别图像内容并生成对应文本描述,支持多种图像输入方式,易于集成应用。项目提供简单使用示例和Transformers pipeline部署方法,为开发者提供了实用的开源图像描述解决方案。
terminus-xl-gamma-v1 - 高效图像生成与修复的潜在扩散模型
GithubHuggingfaceTerminus XL Gamma噪声调度图像修复图像生成开源项目模型潜在扩散模型
Terminus XL Gamma是采用零终端信噪比噪声调度的潜在扩散模型,能在文本提示下生成高质量图像,适用于艺术、广告和娱乐领域,尤其在图像修复方面表现出色。此外,该模型可用于图像超分辨率和风格转换等应用。建议使用者关注模型的潜在偏见,并避免用于有害内容生成。
vit-mae-large - MAE预训练的大型Vision Transformer模型
GithubHuggingfaceVision Transformer图像处理开源项目机器学习模型自编码器预训练模型
这是一个使用MAE方法预训练的大型Vision Transformer模型。通过随机遮挡75%的图像块进行自监督学习,该模型有效学习图像的内部表示。它可用于图像分类等下游视觉任务,采用masked autoencoder架构进行预训练。该模型由Facebook Research团队开发,基于ImageNet-1K数据集训练,适用于各种计算机视觉应用。
vit_small_patch16_384.augreg_in21k_ft_in1k - 增强的视觉转换器模型及其在图像分类中的应用
GithubHuggingfaceImageNetPyTorchVision Transformer图像分类开源项目数据增强模型
ViT图像分类模型结合增强与正则化技术,基于ImageNet-21k训练后在ImageNet-1k微调。模型通过JAX进行训练并移植至PyTorch,拥有22.2M参数和384x384图像输入,展示了12.4 GMACs的高效性。适用于图像分类与特征提取,在视觉识别和嵌入生成中表现出色。
Real-ESRGAN - 开源AI图像超分辨率增强项目
AI模型GithubReal-ESRGAN图像修复开源项目超分辨率
Real-ESRGAN是一个开源的AI图像超分辨率增强项目。该项目采用纯合成数据训练,可提升各类图像和视频质量。Real-ESRGAN提供多个预训练模型,适用于通用、动漫、人脸等场景,支持4倍及以上放大。项目包含Python脚本和便携式可执行文件,方便快速使用。此外,Real-ESRGAN开放训练代码,允许在自定义数据集上进行微调。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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