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

swinv2-tiny-patch4-window8-256 - 基于分层特征图的轻量级视觉Transformer模型

GithubHuggingfaceImageNetSwin Transformer v2图像分类开源项目模型深度学习计算机视觉

Swin Transformer V2是一个在ImageNet-1k数据集上预训练的视觉模型，采用分层特征图结构和局部窗口注意力机制，实现线性计算复杂度。模型整合了残差后归一化和余弦注意力等技术，在保持256x256分辨率输入的同时，提供了稳定的图像分类和特征提取能力。

MST - 多阶段光谱重建工具箱及算法

GithubMST++NTIRE 2022Spectral Compressive ImagingTransformer开源项目高光谱图像重建

本页面介绍了支持15种以上算法的光谱压缩成像重建工具箱，包括MST++等在NTIRE挑战中获奖的前沿方法。页面列出了TwIST、GAP-TV、DeSCI等顶级光谱重建算法，还提供了相关代码、预训练模型和实验结果，方便研究者进一步研究与应用。

QFormer - 四边形注意力机制提升视觉Transformer性能

GithubVision Transformer图像分类开源项目注意力机制目标检测计算机视觉

QFormer是一种创新的视觉Transformer模型，采用四边形注意力机制替代传统窗口注意力。该模型通过可学习的四边形回归模块，将默认窗口转换为目标四边形进行计算，从而更好地建模不同形状和方向的目标。在图像分类、目标检测、语义分割和人体姿态估计等多项视觉任务中，QFormer在保持低计算成本的同时，性能显著优于现有的视觉Transformer模型。

stable-diffusion-xl-1.0-inpainting-0.1 - AI驱动的图像生成和局部修复模型支持高分辨率编辑

GithubHuggingfaceSDXL人工智能修复图像生成开源项目模型绘画

stable-diffusion-xl-1.0-inpainting-0.1是基于Stable Diffusion XL的AI图像生成和修复模型。该模型支持根据文本提示生成逼真图像，并能进行局部编辑和修复。采用1024x1024分辨率训练，可实现高质量图像处理。用户通过提供原图、蒙版和文本描述，即可完成精准图像编辑。这一工具适用于艺术创作、设计和研究等领域，但仍存在一些限制，例如无法生成可读文本。

StableSR - 通过扩散模型实现实际应用中的图像超分辨率

GithubHugging FaceStableSR图像超分辨率开源项目扩散模型模型训练

StableSR项目采用扩散模型，提高了真实世界场景中的图像超分辨率效果。最新更新包括对SD-Turbo的支持以及与ComfyUI和Hugging Face平台的集成。用户可以通过各种平台体验和测试该项目的功能。项目提供了详细的文档、代码示例和训练脚本，已被IJCV期刊接受，并在多个公开数据集中展示了其性能和效果。

xcit_small_12_p16_224.fb_in1k - 跨协方差图像Transformer的高效视觉分类与特征提取模型

GithubHuggingfaceImageNetXCiT图像分类开源项目模型深度学习计算机视觉

XCiT (Cross-Covariance Image Transformer)是Facebook Research开发的视觉分类模型，采用创新的跨协方差注意力机制。模型在ImageNet-1k数据集预训练，包含2630万参数，处理224x224图像输入。通过优化计算效率，该模型在图像分类和特征提取任务中展现出稳定性能。

Attend-and-Excite - 文本到图像扩散模型中的注意力机制优化

AIAttend-and-ExciteGithubStable Diffusion图像生成开源项目跨注意力

研究表明，当前的文本到图像生成模型在特定语义表达方面存在不足。为解决这一问题，提出了基于注意力机制的语义护理（Generative Semantic Nursing, GSN）方法。此方法通过在推理过程中调整模型的交叉注意单元，使生成的图像更准确地反映输入文本中的多个对象和属性。相比其他方法，该技术在各种文本提示下表现出更高的语义忠实度，并提供详细的实现步骤和代码，以便研究人员进行实验与复现。

cvt-13 - 融合CNN和ViT优势的创新图像分类模型

CvTGithubHuggingfaceImageNet图像分类开源项目模型深度学习视觉转换器

CvT-13是一款结合卷积神经网络(CNN)和视觉变换器(ViT)优势的图像分类模型。该模型在ImageNet-1k数据集上预训练，可处理224x224分辨率图像。CvT-13融合了CNN的局部特征提取和ViT的全局建模能力，在图像分类任务中表现出色。研究者可通过Hugging Face的transformers库轻松应用此模型于不同的图像分类项目中。

FLUX.1-dev-Controlnet-Inpainting-Beta - FLUX.1-dev提供高分辨率的图像修复与细节优化

FLUX.1-devGithubHuggingfaceInpainting分辨率支持图像生成开源项目模型模型优化

FLUX.1-dev ControlNet模型显著提升图像修复与生成效果，支持1024x1024分辨率，增强细节与提示控制。兼容FLUX.1 Turbo Alpha，优化创建流程，适用ComfyUI工作流，通过灵活调节参数实现多样化生成效果，适合追求更高细节控制的用户。

EEG-ATCNet - 创新深度学习模型提升运动想象分类

ATCNetEEGGithub开源项目注意力机制深度学习脑机接口

EEG-ATCNet是一种创新的深度学习模型,专门用于脑机接口中EEG信号的运动想象分类。该模型融合卷积神经网络、自注意力机制和时间卷积网络,有效提取EEG信号时空特征。在BCI竞赛IV-2a数据集上,EEG-ATCNet准确率达81.10%,优于其他常用模型。项目还实现了多种注意力机制和数据处理方法,为EEG信号分析研究提供了实用工具。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com