- 博客(302)
- 资源 (18)
- 收藏
- 关注
RSS订阅
原创 yolov8实战100天系列
本文介绍了一个基于PyQt5和YOLOv8的打电话、玩手机识别系统，结合手机检测和人体姿态识别，实现对图片、视频和视频流的实时检测。本文详细介绍了如何部署和训练YOLOv8模型，包括显卡驱动检查、代码下载、CUDA和cudnn安装、Anaconda环境配置、PyTorch安装、库的安装、推理检测以及数据集的准备、训练和测试。本文介绍了一个基于PyQt5和YOLOv8的实时图像处理系统，该系统集成了目标检测、目标跟踪、过线检测计数等多项功能，旨在提高视频监控的自动化和智能化水平。
2024-08-19 14:45:04
1734
原创 YOLO目标检测数据集大全（持续更新建议收藏）
目标检测是计算机视觉领域的重要任务，其目标是在图像或视频中识别并定位特定物体的位置。为了训练和评估目标检测算法的性能，研究人员和开发者经常会使用一些广泛应用的数据集。以下是一些常用的十类目标检测数据集，这些数据集提供了丰富的图像资源和相关的标注信息，可以帮助研究人员和开发者进行目标检测算法的训练和测试。
2023-10-27 09:21:01
2285
2
原创 pdf转word/markdown等格式——MinerU的部署：2024最新的智能数据提取工具
智能清理：自动移除页眉、页脚、脚注、页码等干扰内容，确保文本语义连贯。结构保持：完整保留原文档的层级结构，包括标题、段落、列表等。多模态支持：精确提取图片、表格及其说明文字，支持图像、表格、公式等多种内容的识别和处理。公式转换：自动识别文档中的公式并将其转换为LaTeX格式。多语言OCR：支持84种语言的文字识别，能够处理扫描版PDF和乱码PDF。多种输出格式：支持多种输出格式，如Markdown、JSON等，方便后续分析和处理。
2024-12-05 11:27:37
1702
原创 Mono-InternVL 多模型大模型测评
上海人工智能实验室的代季峰教授团队最近开发了一种新型多模态大模型Mono-InternVL，该模型在多模态任务中表现卓越，显示出技术上的显著优势。Mono-InternVL通过内嵌视觉专家，优化了视觉感知与理解的集成，大幅提高了处理效率。该模型采用了增量预训练方法，有效降低了训练中的信息遗忘问题，并通过内生视觉预训练方法，增强了模型在复杂任务中的性能。在多项多模态基准测试中，Mono-InternVL展现了优于现有模型的能力，特别是在OCR、问答系统和图表解析等方面表现出色。
2024-11-11 17:48:24
187
原创 实战RAG第二天——xinference部署大模型，全部代码，保姆级教学
是一个新兴的推理框架，旨在为大规模语言模型（LLM）和其他机器学习模型提供高效的推理支持。它允许开发者在多种不同硬件上运行深度学习模型，同时优化推理性能。Xinference 是一个基于 AI 的推理平台，专门用于高效推理大规模语言模型（如 GPT 系列）以及其他机器学习模型。它主要聚焦于提供高度优化的推理性能，尤其是在分布式系统、多 GPU 环境以及各种异构硬件（如 CPU、GPU 和加速器）上。：支持在多 GPU 和分布式系统上运行，确保在处理大规模模型时依然保持高效。
2024-10-18 18:09:32
641
原创 实战RAG第一天——llama_index向量索引，查询引擎，搜索知识库问答，全部代码，保姆级教学
支持与多种大语言模型集成，例如 OpenAI 的 GPT-3、Meta 的 LLaMA 系列以及 Hugging Face 提供的模型。）是一个用于构建、查询、索引大型文档和数据集的开源框架。它的核心功能是帮助开发者将大语言模型（LLM）与自己的数据集无缝集成，从而进行知识库的构建、查询等任务。使用 Python 编写，并结合了多种大语言模型技术和向量化搜索工具，使得用户能够轻松地在自己的文档库或数据集中提取信息、生成摘要、回答问题等。构建和维护的索引是向量索引，利用文档的向量表示进行高效的相似性搜索。
2024-10-18 15:20:29
699
原创 实战千问2大模型第五天——VLLM 运行 Qwen2-VL-7B（多模态）
VLLM 是一种高效的深度学习推理库，通过PagedAttention算法有效管理大语言模型的注意力内存，其特点包括24倍的吞吐提升和3.5倍的TGI性能，无需修改模型结构，专门设计用于加速大规模语言模型（LLM）的推理过程。它通过优化显存管理、支持大模型的批处理推理以及减少不必要的内存占用，来提高多 GPU 环境下的推理速度和效率。这使得 VLLM 非常适合需要快速、大规模推理的任务，例如在生产环境中部署大语言模型进行实时文本生成或问答等应用。
2024-10-09 16:29:17
2492
1
原创 实战千问2大模型第四天——Qwen2-VL-7B（多模态）lora微调训练和测试
微调使得模型可以根据不同用户的需求进行定制，例如在特定领域内理解特殊的视觉内容或者专业术语。
2024-10-08 15:38:12
3283
原创 跨颜色人员重识别
跨颜色人员重识别是一种特定的人员重识别技术，旨在解决由于颜色配置不一致导致的识别问题。3）背景：在典型的人员重识别（Person ReID）任务中，同一身份的主要颜色配置被认为保持一致。跨颜色人员重识别通过引入先进的颜色空间学习技术，不仅解决了传统人员识别技术在实际应用中的局限性，还推动了人员识别技术在更广泛条件下的应用，为相关技术的发展和完善提供了新的方向和思路。5）结果：为了评估CSL方法的有效性和稳健性，在几个跨颜色人员再识别基准上进行了评估，实验表明所提出方法始终超过了最先进的方法。
2024-09-30 11:30:39
1096
原创 遥感图像文本检索
基于PIR，设计了一个领域自适应的远程感知图像-文本检索框架PIR-ITR，以解决视觉-语言理解任务中的语义噪音问题。此外，提出了PIR-CLIP，一种基于CLIP的领域特定框架，用于解决远程感知图像-文本检索中的语义噪音，并进一步提高开放领域检索性能。此外，基于CLIP的PIR-CLIP框架专门处理远程感知图像文本检索中的开放领域问题，进一步提高了检索的准确性。5）结果：实验结果表明，PIR能够增强视觉和文本表示，在两个基准数据集RSICD和RSITMD上优于封闭领域和开放领域检索的最先进方法。
2024-09-30 11:27:07
663
原创 遥感图像分割
4）方法：为了解决这一问题，提出了一种新型的Agent Mining Transformer（AgMTR），该方法自适应地挖掘一组局部感知代理，以构建代理级语义相关性。遥感图像分割是一种应用于遥感图像的计算机视觉技术，用于将图像划分为不同的区域，每个区域代表地表的不同特征，如水体、森林、城市区域等。然而，在遥感场景中，这种像素级相关性可能会导致大量不匹配，从而引发查询前景（FG）与背景（BG）像素之间的语义模糊。5）结果：在遥感基准iSAID上的广泛实验表明，所提方法达到了最先进的性能。
2024-09-29 09:17:39
1337
原创 视频异常检测（VAD）
最后，该方法可以通过注意力忽略模糊的真实异常，并依赖于运动记忆项增加正常和异常运动之间的正常性差距。3）背景：现有的VAD方法通常学习正常样本的分布，并通过测量显著偏差来检测异常，但不良的泛化可能会重构一些异常，从而抑制偏差。同时，大多数VAD无法处理新目标领域的跨数据集验证，少样本方法必须依赖目标领域的模型调整来完成领域适应。是一种通过分析视频流中的行为或场景，检测视频中的异常事件的技术。4）方法：本文提出一种新的VAD方法，其中包含一个运动引导的记忆模块，以实现零样本的跨数据集验证。
2024-09-29 09:14:29
1446
原创 图像超分辨率（SR）
4）方法：本文引入一种新的一步SR模型，显著解决了基于扩散的SR方法的效率问题。3）背景：尽管基于扩散的超分辨率方法依赖大型预训练的文本到图像扩散模型取得了显著成功，但仍面临两个挑战：需要大量采样步骤以获得满意结果，从而限制了在实际场景中的效率；：如双线性、双三次和Lanczos插值，这些方法通过数学公式计算低分辨率图像中的像素点周围的新像素值，是最简单也是最初级的SR技术。图像超分辨率技术通过提高图像分辨率，为多种应用领域提供了重要的技术支持，极大地扩展了图像的使用场景和价值。2）应用：图像超分辨率。
2024-09-28 10:00:00
1234
原创 无人机跟踪
4）方法：本文提出了一种新颖的渐进式表示学习框架PRL-Track，包括粗糙表示学习和精细表示学习两个阶段。在文中提到的背景下，主要涉及的是视觉目标跟踪，即通过摄像头捕捉的图像来实时监控和跟踪移动对象。：为了在实际应用中达到高效的跟踪性能，如每秒42.6帧，通常需要对跟踪算法进行特别优化，使其能够快速处理图像数据并做出准确的跟踪判断。3）背景：在复杂动态环境中，学习稳健的目标表示对于UAV跟踪尤为具有挑战性，尤其是在面临长宽比变化和遮挡时。：无人机上的摄像头捕捉实时图像，这是最基本的硬件需求。
2024-09-28 09:30:00
1493
原创 数字人实战第六天——DH_live 训练自己的数字人
数字人是一种基于人工智能和数字化技术构建的虚拟人物或代理，能够进行人类式的交互和沟通。：AI 是数字人的核心，包括自然语言处理（NLP）、机器学习（ML）、深度学习等，使得数字人能理解和生成人类语言，进行智能对话。：通过计算机视觉技术，数字人可以“看”到周围环境并做出反应，如识别人脸、表情和手势。：使用声音识别技术理解人类语音，通过声音合成技术（如TTS，文本到语音）生成自然的语音回应。：高级图形渲染和3D动画技术用来创建数字人的外观和表情，使其行为更加自然和逼真。
2024-09-27 16:34:15
3075
10
原创 人脸超分辨率（FSR）
如上文所述，这种方法首先估计面部的先验信息（如面部关键点、边缘等），然后利用这些信息来指导超分辨率重建的过程。：这种方法包括一个生成网络和一个判别网络，生成网络负责产生高分辨率图像，判别网络则尝试区分生成的图像和真实的高分辨率图像。3）背景：随着深度学习技术的不断发展，当代的先验引导的FSR方法首先估计面部先验，然后利用这些信息来辅助超分辨率重建过程。FSR的实现通常依赖于深度学习技术，特别是卷积神经网络（CNN）。：通过集中网络的注意力在关键特征上，可以更有效地恢复重要的细节信息，提高FSR的性能。
2024-09-27 09:00:00
1422
原创 开放词汇目标检测
开放词汇目标检测（Open Vocabulary Object Detection, OVOD）是一种计算机视觉技术，它扩展了传统目标检测的概念，能够识别和定位图像中的对象，即使这些对象的类别没有在训练数据集中明确列出。利用LLM突出显示输入文本中的属性词汇，通过调整令牌掩码，提取OVD模型的文本编码器中的全局文本和属性特定特征，将它们显式组合为新的属性突出显示特征，其中相应的标量被手工设计或学习以重新调整这两个向量。然而，这些OVD模型是在大规模图像-文本对上进行预训练的，具有丰富的属性词汇，其潜在。
2024-09-26 16:49:39
1477
原创 物体实例分割，机器人拾取
5）结果：在OCID、OSD以及包括PhoCAL和HouseCat6D在内的额外光度挑战数据集上进行了大量实验，结果表明，即使与以往方法相比仅使用10%的训练样本，UOIS-SAM在看不见物体分割方面实现了最先进的性能，在各种桌面场景中展现出其有效性和稳健性。在提供的内容中，使用的技术是UOIS-SAM（无监督物体实例分割-SAM），这是一种针对自主机器人在桌面场景中的应用而设计的数据高效的方法。这一任务不仅识别出图像中的物体，还能区分出多个同类物体的不同实例，例如在一张桌子上摆放的多个相同的杯子。
2024-09-26 09:46:20
1007
原创 开放词汇全景分割
这与传统的图像分割不同，后者通常仅限于识别有限的、预先定义的对象类别。开放词汇全景分割的目标是识别和处理图像中的任何可能的对象，无论这些对象是否包含在训练数据的标签集中。这种调整使模型能够适应新的分布，同时保持预训练的知识，这对于处理不在训练集中的新对象类别尤为重要。此外，开放词汇全景分割技术的进步还有助于减少对大量标注数据的依赖，降低训练成本，这对于推动技术的可持续发展和更广泛的应用具有重要意义。这种调整使模型能够在保留VLM预训练知识的同时，将面具标记的图像焦点适应到新的分布，同时减少训练资源的使用。
2024-09-26 09:40:52
1137
原创 数字人实战第五天——Dinet 训练自己的数字人
DINet 是一个形变修复网络，专门用于解决高分辨率人脸视觉配音中的难题。它的设计目的是为了提升视觉配音的保真度和细节丰富性，特别是在少样本学习的情境下，即在训练数据较少的情况下依然能够实现较好的配音效果。
2024-09-25 10:14:52
1092
原创 视频生成技术分享
4）方法：为了解决这一挑战，提出了S2AG-Vid，这是一种无需训练的推理阶段优化方法，可改善T2V模型中多个对象与其对应动作之间的对齐。为了应对这些挑战，S2AG-Vid提出了一种无需训练的推理阶段优化方法，通过引入空间位置的交叉注意力（CA）约束和语法引导的对比约束，来改善多个对象与其对应动作的对齐。其意义在于，这项技术不仅提升了视频生成的质量和一致性，还拓宽了T2V应用的可能性，使得生成更复杂、动态的场景成为可能，为创意、教育和娱乐等领域提供了新的工具和机会。Baidu Inc.
2024-09-24 17:58:25
434
原创 零基础入门AI大模型应用开发——第三天：使用python实现问答机器人
问答机器人是一种能够理解用户提问并提供相关答案的程序。它可以用于各种场景，如客户支持、在线教育、信息检索等。用户通过自然语言输入问题，机器人则通过分析问题并检索相关信息来提供回答。
2024-09-24 09:00:00
604
原创 图像修复技术分享
在图像生成模块中，采用了一个基于前景图像的边缘图和语言提示的文本引导的Canny-to-image生成模型来创建模板图像，并使用图像优化器通过混合输入的前景和模板图像来生成结果。从这个内容简介中提到的“Anywhere”框架，则是一个结合了多种先进技术的系统，专门针对图像修复中的一些挑战，如前景和背景的一致性问题和过度想象问题，通过结合视觉语言模型、语言模型和图像生成模型来提高修复质量和多样性。：扩散模型和GAN用于生成缺失的图像内容，这些模型可以生成高度逼真的图像区域，以无缝衔接地填补图像中的缺失部分。
2024-09-23 09:33:23
1725
原创 钢表面缺陷识别
然而，由于缺陷图像的样本数量依然不足，生成的图像质量常常受到限制，这影响了模型的实际应用效果。4）方法：本文提出稳定表面缺陷生成（StableSDG）方法，利用稳定扩散模型中嵌入的广泛生成分布进行钢表面缺陷图像生成。5）结果：在钢表面缺陷数据集上进行了大量实验，展示了在生成高质量样本和训练识别模型方面的最新性能，并且所设计的两个过程对性能至关重要。生成图像之间的分布差异，提出了两个过程：通过调整扩散模型的参数来对齐分布，同时在生成过程中采用面向图像的生成而非纯。2）应用：工业价值巨大的钢表面缺陷识别。
2024-09-23 09:30:20
683
原创 制造业缺陷检测
制造业缺陷检测的意义重大，它不仅可以防止次品流入市场，影响品牌信誉，还可以通过提前识别生产问题，减少材料和时间的浪费，从而降低成本和提高生产效率。此外，对于某些关键行业如汽车或航空制造业，高质量的缺陷检测系统尤为重要，因为它们涉及到人员安全和高风险的操作环境。5）结果：在实验中，MemoryMamba在四个工业数据集上进行了评估，这些数据集涵盖了各种类型和复杂程度的缺陷。4）方法：本文介绍了一种新型的记忆增强状态空间模型（MemoryMamba），旨在克服现有缺陷识别模型的局限性。
2024-09-22 10:30:00
417
原创 文档图像恢复
在内的五个文档图像恢复任务。通过这些技术实现，DocRes 等先进的模型不仅能够独立处理各种图像恢复任务，还能通过多任务学习进一步优化处理效果，展示了在广泛的文档图像恢复任务中的潜力和应用广度。5）结果：实验结果表明，DocRes相比现有最先进的任务特定模型表现出竞争力或更优的性能，展示了DocRes在更广泛的文档图像恢复任务领域的潜力。3）背景：文档图像的质量显著影响整体性能，现有方法独立处理不同的恢复任务，导致系统复杂且无法利用多任务学习的潜力。2）应用：文档人工智能系统。1）方向：文档图像恢复。
2024-09-22 10:00:00
1031
原创 视频动作编辑
视频动作编辑是指在视频中修改或操纵人物或物体的动作和行为的技术。这种编辑可以用于创造新的视频内容，改善或修改现有的视频片段，或者用于特殊效果和动画制作。视频动作编辑的应用范围非常广泛，包括电影制作、动画、广告、体育赛事分析和视频游戏开发等。
2024-09-21 10:15:00
1512
原创 变化检测（Change Detection）
4）方法：为了解决这一问题，作者提出了一种基于VLM引导的半监督CD方法，即DiffMatch。为了解决当前大部分VLMs仅适用于单时相图像的问题，首先提出了基于VLM的混合变化事件生成策略（CEG），为未标记的CD数据生成伪标签。此外，通过自动生成的伪标签和改进的模型结构，这些技术可以在较低的标注开销下实现更高的精度和更好的性能，对于实时或大范围的监测应用尤为关键。3）背景：现有的变化检测方法需要大量的像素级标注数据，而标注这些数据是一项费时费力且昂贵的工作，尤其是对于多时相图像而言。
2024-09-21 10:00:00
2722
原创 视频去噪技术分享
4）方法：本文提出了一种新颖的无监督视频去噪框架TAP，该框架将可调节的时间模块集成到预训练的图像去噪器中。：最近，利用深度神经网络，特别是卷积神经网络（CNNs）和生成对抗网络（GANs），进行视频去噪取得了显著的进展。3）背景：最近深度学习在图像和视频去噪方面取得了显著进展，但获取动态场景的配对视频数据的挑战阻碍了深度视频去噪技术的实际部署。：利用连续帧之间的时间相关性来减少噪声。5）结果：与其他无监督视频去噪方法相比，该框架在sRGB和原始视频去噪数据集上表现出优越的性能。中，配对数据更容易获得。
2024-09-20 09:35:58
1038
原创 图像超分辨率（ISR）
除了传统的CNN，还有使用生成对抗网络（GAN）的方法，其中一个网络生成高分辨率图像，另一个网络评估生成的图像质量，通过这种方式推动高分辨率图像的质量向真实图像靠拢。4）方法：本文提出一种新颖且计算效率高的ISR算法，不依赖于图像数据集学习ISR任务，通过重新定义ISR任务为计算跨越退化空间的核的逆来实现。在提出的NSSR-DIL模型中，特别强调了计算效率和模型的通用性，这种模型不依赖于特定的数据集学习，而是通过深度身份学习和核的逆计算来实现超分辨率，降低了计算成本，使得技术更加适用于实际应用场景。
2024-09-20 09:25:31
1339
原创 化妆风格迁移技术代码分享
在你提到的内容中，使用的技术是内容-风格解耦化妆迁移方法（Content-Style Decoupling Makeup Transfer, 简称 CSD-MT），这是一种全新的方法，其核心在于通过频率分解将面部图像的内容和化妆风格信息分离处理。这里的关键假设是面部图像的低频（LF）部分包含了化妆风格信息，而高频（HF）部分则包含了更多的内容细节。化妆风格迁移技术的研究和应用，可以使用户在虚拟环境中预览不同的化妆效果，提供更个性化的美容服务，同时也为人工智能在艺术和娱乐领域的应用开辟了新的可能性。
2024-09-20 09:17:08
381
原创 跨模态检索
此外，引入了一种新的量化方法，带有Gumbel的乘积量化（Product Quantization with Gumbel，PQG），促进平衡的码书学习，从而提高检索性能。这种技术的意义在于，它能够实现高效的跨模态信息检索，使得用户可以用一种模态（如文本）来搜索另一种模态（如图像），从而提高了信息检索的灵活性和准确性。：在本文中，跨模态量化蒸馏（DCMQ）方法通过知识蒸馏的方式，将更丰富的语义信息从一个强大的模型（如VLP）转移到一个更紧凑的哈希模型中，从而改进哈希表示的学习效果。1）方向：跨模态检索。
2024-09-19 09:12:11
1059
1
原创 图像编辑技术代码分享
图像编辑是一种技术和艺术，涉及修改或增强照片或图像，以达到预期的视觉效果、修正错误或进行创意表达。这项技术在许多领域中都有应用，如广告、社交媒体、新闻报道和个人娱乐等。
2024-09-19 09:11:43
726
原创 数字人实战第四天——Echomimic项目部署教程
蚂蚁集团最近推出了一项名为EchoMimic的创新技术，这是一种通过音频和面部标志生成逼真肖像动画视频的先进技术。EchoMimic能够将用户的声音和面部动作完美复制到视频中，从而创造出镜子般自然的效果。这项技术的核心在于它能同时利用音频和面部标志点，克服了传统方法中的不稳定性和缺乏自然感。在传统的视频动画生成中，依靠音频信号的方法虽然能够反映声音驱动的动作，但往往稳定性不足；而仅依赖面部关键点的方法虽然能捕捉到面部结构，但缺乏动态的自然流畅性。
2024-09-18 15:44:17
2190
原创 图像编辑技术
4）方法：本文引入一种新的一步式拖拽式图像编辑方法，即FastDrag，通过潜在变形函数（LWF）模拟拉伸材料的行为来调整潜在空间内各像素的位置，实现一步潜在语义优化，从而显著提升编辑速度。此外，引入一致性保持策略，通过在扩散反演过程中将原始图像的语义信息保存为键值对，并在扩散采样中引导，以保持编辑后图像与原始图像的一致性。基于生成模型的拖拽式图像编辑方法，通常需要通过多次迭代优化潜在语义，这种方法的优点是能够生成高质量的编辑结果，但缺点是处理速度较慢，限制了实际应用的效率。2）应用：图像内容编辑。
2024-09-18 10:04:03
665
原创 文本驱动的3D人体动作生成
4）方法：本文提出了KeyMotion方法，通过首先生成关键帧，然后进行填充，生成与输入文本相对应的合理人体动作序列。为了完成动作序列，提出了一个文本引导的Transformer，设计用于执行动作填充，确保保持忠实度并遵守人体动作的物理约束。作者单位：University of Western Australia;文本驱动的3D人体动作生成技术，旨在根据给定的文本描述自动生成3D人体的动作序列。文本驱动的3D人体动作生成技术不仅提高了动作制作的精确性和效率，也为相关行业带来了创新的工作流程和产品。
2024-09-18 09:56:23
1154
原创 图像超分辨率技术代码分享
基于此观察，开发了补丁自适应分组采样（PGS）方法，将特征补丁按重建难度分组，并为每组动态分配适当的采样配置，从而加速推理。此外，为了在每一步采样中提高去噪能力，开发了纹理提示，通过从独立参考纹理存储中检索高质量的纹理先验来指导扩散模型的估计。：这是一种新的方法，它根据图像各部分的重建难度将图像分成多个补丁，对这些补丁进行分类，并为每一类配置不同的采样步骤，以优化计算资源并加速图像处理过程。这些技术不仅提升了图像的视觉效果，还扩展了图像处理技术的应用范围，对科研和工业具有重要的实用价值。
2024-09-18 09:36:48
1221
原创 图像去雨技术代码分享
4）方法：本文专注于UHD图像去雨任务，并提出了首个大规模UHD图像去雨数据集4K-Rain13k，包含13,000对4K分辨率的图像。随着成像技术的进步，传统的图像去雨方法在处理4K或更高分辨率图像时可能不再有效。因此，本文提出了一个名为4K-Rain13k的大规模UHD图像去雨数据集，并开发了一种新的基于视觉MLP（多层感知器）的架构，称为UDR-Mixer。3）背景：现有的图像去雨方法主要针对低分辨率图像，对于超高清（UHD）图像的效果尚不明确，尤其是随着成像设备的不断进步。
2024-09-18 09:31:34
557
原创 图像增强技术分析
图像增强的目标通常是提高图像的某些视觉特征，如对比度、亮度、清晰度、纹理细节等，以便更清楚地显示图像内容或提高图像分析的准确性。通过改善图像的视觉质量，图像增强技术可以帮助提高决策的准确性和效率。4）方法：本文提出一种名为FreeEnhance的新框架，用于使用现成的图像扩散模型进行内容一致的图像增强。3）背景：随着文本到图像生成模型的出现，人们意识到作为后处理的图像增强可以显著提高生成图像的视觉质量。然而，探索扩散模型以增强生成的图像并不容易，需要精心丰富丰富细节，同时保留原始图像中关键内容的视觉外观。
2024-09-16 12:00:07
1273
原创 文本到3D生成
这种技术的意义在于提供了一种更加精确和细致的方式来从文本生成三维内容，使得三维模型不仅在视觉上更加丰富和真实，还能更好地符合文本描述的细节和语义，从而在数字媒体、电影、视频游戏设计和其他需要精确三维建模的领域中有极大的应用潜力。4）方法：为了缓解这些问题，提出一种新的文本到三维架构——DreamMesh，该架构基于明确定义的表面（三角网格）生成高保真的显式三维模型。然而，NeRF的隐式三维表示缺乏对网格和表面纹理的显式建模，这种表面未定义的方式可能会导致模糊的纹理细节、不一致的视图和噪声表面问题。
2024-09-15 21:10:31
457
为什么删除资源，扣除贡献分
2024-10-16
TA创建的收藏夹 TA关注的收藏夹
TA关注的人