CAT

创新图像恢复模型强化远程特征建模

图像修复 Transformer 自注意力机制长程依赖卷积神经网络 Github 开源项目

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。

Github

论文

介绍相关项目

ViTAE-Transformer-Remote-Sensing - 遥感图像解释的视觉变压器模型集合

Github图像分割开源项目深度学习目标检测计算机视觉遥感

ViTAE-Transformer-Remote-Sensing项目致力于遥感图像解释领域的视觉变压器模型研究。该项目涵盖遥感预训练、场景识别、语义分割和目标检测等多项任务,提出了RVSA和MTP等创新模型架构和训练方法。项目还开发了SAMRS大规模遥感分割数据集。这些成果有助于推进遥感基础模型的发展,为遥感应用提供技术支持。项目成果包括遥感预训练研究、场景识别模型、语义分割技术和目标检测算法。RVSA和MTP等创新架构提升了模型性能和效率。SAMRS数据集的开发为遥感分割任务提供了大规模训练资源。

AbSViT - 创新视觉注意力模型实现自适应分析合成

AbSViTGithub图像分类开源项目视觉注意力计算机视觉语义分割

AbSViT是一个创新视觉注意力模型，采用分析合成方法实现自适应的自上而下注意力机制。该模型在ImageNet分类和语义分割任务中表现优异，尤其在鲁棒性测试中展现出色性能。AbSViT能够适应单目标和多目标场景，并根据不同问题动态调整注意力。这一模型为计算机视觉领域开辟了新的研究方向，有望在多种视觉任务中发挥重要作用。

TCD - 新型少步采样蒸馏技术用于高质量图像生成

GithubLoRATCD图像生成开源项目扩散模型生成AI

TCD是一种创新的蒸馏技术，可将预训练扩散模型的知识提炼为高效的少步采样器。该技术具有灵活的NFE、优异的生成质量、可调节的细节程度和广泛的适用性。TCD无需对抗训练即可实现高质量的少步生成，有效避免了模式崩溃问题。项目开源了推理代码和基于SDXL Base 1.0蒸馏的TCD-SDXL模型，可与多种现有模型和技术无缝集成。

stable-diffusion-inpainting - 开源AI模型实现图像修复和高质量生成

AI绘画GithubHuggingfaceStable Diffusion修复绘画图像生成开源项目文本转图像模型

Stable Diffusion Inpainting是一个开源的文本到图像生成和修复模型。它基于潜在扩散技术,可根据文本描述生成高质量图像,并能对现有图像进行智能修复。该模型在LAION-Aesthetics数据集上训练,支持512x512分辨率输出。适用于艺术创作、设计等领域,但不应用于生成有害内容。目前主要支持英文输入,其他语言效果可能有限。

CogView - 中文文字生成逼真图像，支持英文和中文输入

CogViewGithubImageRewardNeurIPS 2023text-to-imagetransformer开源项目

CogView是一个基于4B参数预训练的转换器，用于生成通用领域的文本到图像。最新版本CogView2显著提升了生成速度，并扩展支持英文输入。用户可以通过Github和Wudao平台体验并下载预训练模型。项目还包含超分辨率和图像到文本转换功能，并提供详细的设置和运行指南。该项目获得NeurIPS 2021认可，并推荐使用PB-relax和Sandwich-LN技术稳定训练大型转化器。

swinv2-base-patch4-window8-256 - 增强视觉Transformer模型，提供升级的容量与图像分辨率

GithubHuggingfaceImageNetSwin Transformer图像分类开源项目模型自监督预训练视觉Transformer

Swin Transformer v2是为图像分类和密集识别任务而设计的视觉Transformer模型。它在ImageNet-1k上进行256x256分辨率的预训练，具有通过局部窗口自注意力机制实现线性计算复杂度的特性。相比前代，Swin Transformer v2加入了残差后范数加余弦注意力以提升训练稳定性、日志距离连续位置偏置以提升低分辨率预训练模型在高分辨率任务中的表现，以及SimMIM自我监督预训练方法以减少对大规模标注图像的依赖。

dreamshaper-8-inpainting - 基于Stable Diffusion的多风格图像修复和编辑模型

DreamshaperGithubHuggingfaceStable Diffusion人工智能图像修复开源项目模型绘画模型

dreamshaper-8-inpainting是Stable Diffusion的改进版图像修复模型。它在保持原图风格的同时，提供高质量的修复和编辑功能。该模型支持写实和动漫等多种风格，可通过文本提示词引导修复效果。它适用于不同分辨率的图像，特别适合局部修复和创意编辑。相比前代，该版本改进了LoRA支持，并在NSFW内容处理和真实感表现方面有所提升。

Open-MAGVIT2 - 自回归视觉生成新突破大幅提升图像分词性能

GithubOpen-MAGVIT2图像分词器大规模词表开源项目自回归模型视觉生成

Open-MAGVIT2是一个创新的自回归视觉生成项目，采用无查找技术和262144大小的码本，克服了VQGAN的局限性。该项目用PyTorch重新实现MAGVIT2分词器，在图像分词方面取得显著进展，8倍下采样时rFID达到0.39。项目致力于推动自回归视觉生成领域发展，目前处于积极开发阶段，未来计划拓展至视频生成领域。

cait_m36_384.fb_dist_in1k - CaiT图像分类模型：ImageNet-1k预训练的类注意力转换器

CaiTGithubHuggingfaceImageNet-1k图像分类图像转换器开源项目模型模型预训练

cait_m36_384.fb_dist_in1k是一个基于类注意力图像转换器(CaiT)的图像分类模型，由Facebook研究团队开发。该模型在ImageNet-1k数据集上进行预训练和蒸馏，包含2.712亿个参数，支持384x384像素的输入图像。通过timm库，它可以轻松应用于图像分类和特征提取等计算机视觉任务。

KAIR - 多功能视频与图像增强开源工具箱，涵盖最新深度学习模型

BSRGANGithubSCUNetSwinIRUSRNetVRT开源项目

KAIR项目提供了视频超分辨率、去模糊、去噪等图像处理技术的训练和测试代码，支持如DnCNN、FFDNet、SRMD、MSRResNet、ESRGAN、SwinIR等最新模型。这些代码简洁易懂，并附有详细指南，即使是复杂的图像恢复任务也能取得高性能效果。项目定期更新，确保用户体验最新技术进展。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com