增强现实

Wild2Avatar 是一种专门处理遮挡人体的高保真神经渲染方法，能够从遮挡的单目视频中还原完整人体外观。该方法通过场景参数化分解为遮挡物、人体和背景，并使用多个损失函数优化，适用于增强现实、电影制作和医疗等领域。

IMAGDressing是一个互动式模块化服装生成系统，旨在为用户提供逼真的虚拟试衣体验。它不仅可以生成高质量的服装图像，还能让用户自由编辑场景和服装细节。IMAGDressing利用增强现实（AR）和虚拟现实（VR）等技术，让用户能够在虚拟世界中尝试各种时尚组合，找到最适合自己的款式。它还能根据用户的个人身材数据、肤色、发型和生活场景，智能推荐最合适的服装搭配。IMAGDressing-v1引入了服装UNet模型，能够从CLIP中捕捉语义特征，并从VAE中捕捉纹理特征，通过混合注意力模块将这些特征整合到一个冻结的去噪UNet中，确保用户可以进行控制编辑。IMAGDressing团队还计划发布一个名为IGPair的综合数据集，包含超过30万对服装和穿着图像，并建立标准的数据组装流程。IMAGDressing-v1还可以与ControlNet、IP-Adapter、T2I-Adapter和AnimateDiff等扩展结合，以增强系统的多样性和可控性。

OpenCLAY是由影眸团队推出的3D生成AI模型，能够在几十秒内通过文本生成高质量的3D模型。该模型具有逼真的材质效果，支持多种输入类型和用户控制，适用于广泛的3D创作需求。

Pippo是Meta Reality Labs推出的图像到视频生成模型，能够从单张照片生成1K分辨率的多视角高清人像视频。该模型基于多视角扩散变换器，预训练了30亿张人像图像，并在2500张工作室捕捉的图像上进行了后训练。Pippo的核心技术包括ControlMLP模块，用于注入像素对齐的条件，以及注意力偏差技术，能在推理时生成比训练时多5倍以上的视角。Pippo还引入了重投影误差，用于评估多视角生成的3D一致性。

GaussianCity 是一款专为快速生成超大规模3D城市模型而设计的工具，其速度比现有的CityDreamer方案快60倍，达到10.72 FPS。该工具在生成无人机视角和街道视角的3D城市方面达到了最先进的水平，并支持无边界的城市生成，突破了传统方法在规模上的限制。GaussianCity 使用BEV-Point作为紧凑的中间表示，高效描述城市布局，控制内存使用增长，并通过具备空间感知的解码器，整合BEV点的空间结构和上下文特征，生成高质量的3D高斯属性。

NeRF-Editing 是一个专注于神经辐射场（NeRF）几何编辑的项目。它提供了一套高效的编辑工具，使用户能够对3D场景中的几何结构进行精确的修改和优化。该项目在虚拟现实（VR）和增强现实（AR）领域具有广泛的应用前景，能够帮助开发者和研究人员快速构建和编辑高质量的3D场景。

Polycam是一款利用LiDAR和摄影测量技术创建详细3D模型的应用，适用于iOS、Android设备及网页，旨在使高级3D扫描技术对专业人士和爱好者都变得易于获取。它拥有直观的界面和强大的功能，帮助用户捕捉和创建高质量的3D环境表现。

Stable Fast 3D是Stability AI的革命性模型，可以通过单张图像在仅仅0.5秒内创建高质量的3D资产。

Immersity AI通过将2D图像和视频转换为沉浸式3D体验，革新人们对数字内容的感知。该工具旨在为创作者、数字艺术家和各种行业的专业人士简化增强视觉内容的过程，使其更加引人入胜和真实。

X Model是一个强大的平台，允许用户轻松运行和集成流行的人工智能模型到他们的产品中。该平台提供了多种API和工具，帮助开发者加速AI模型的部署和应用，提升产品的智能化水平。

Eternity.ac是一个利用AI技术创建和下载数字克隆的平台，允许用户在增强现实中与公共人物的AI双胞胎互动。用户只需上传声音表达和多张自拍照，即可生成栩栩如生的3D头像，并选择下载或将其存储在云端以备未来使用。

一种深度估计技术，能让任何相机拍出的照片都拥有精准的深度信息，无需额外训练数据，就像给照片加上了“深度魔法”，让3D场景重建等应用变得更简单

OnePose++ 是一种无需CAD模型的关键点自由物体姿态估计方法，能够在复杂环境中快速、准确地估计物体姿态。该项目采用一击式的估计方式，使其在实际应用中具有较高的效率和实用性。

Depth Pro 是一个基础模型，用于零样本度量单目深度估计，能够在不到一秒的时间内生成清晰的深度图。它结合了真实和合成数据，利用高效的多尺度视觉变换器，提供高分辨率和准确的深度测量，适用于各种视觉任务。

面向动作识别的神经网络推理引擎，增强您的应用程序，使其能够通过任何RGB相机看到和与人类互动。

DenseMatcher是一个用于3D语义匹配的工具，能够从单一示例中学习类别级别的操作，实现高效的3D形状匹配。它支持多种3D形状的处理，适用于机器人抓取、增强现实等多个领域。

H2ONet 是一个专注于手部遮挡和方向感知的网络，能够实时进行3D手网格重建，基于深度学习的高效算法，使其在各种应用中表现出色。

MultiPly是一个通过野外单目视频重建多人3D图像的项目，能够处理人物之间的遮挡和相互作用，使用先进的神经表征技术进行场景建模，并结合自监督的3D分割及可提示的2D分割模块，提供高效的人体姿势和形状优化。

MVDD利用多视角深度和扩散模型来表示复杂的三维形状，并将其映射到二维数据格式中。该模型能够生成高质量、密度较高的点云，包含细致的细节，点数可达20,000个以上。

在多个粒度上分割和识别物体的通用图像分割模型。团队在SA-1B数据集、通用分割数据集(COCO等)和部件分割数据集(PASCAL Part等)上联合训练模型的首次尝试，并系统研究了在SA-1B上定义的交互分割任务和其他分割任务（如全景分割和部件分割）上多任务联合训练的相互促进作用。

ArcNerf是一个由多种尖端NeRF技术构成的框架，具备新视角渲染和对象提取等实用功能，支持高效模型训练和灵活架构设计。

6DGS是一个基于3D高斯点云模型的项目，旨在从单幅图像中进行物体的6D姿态估计。该技术在机器人视觉和增强现实等领域具有重要应用价值。

HandDiff是一种利用扩散模型进行3D手势估计的方法，结合图像和点云数据，实现精确的手势识别和追踪。该项目致力于提升虚拟现实和增强现实中的人机交互体验。

利用Meta Rayban Smart Glasses智能眼镜与GPT-4 Vision集成的实验性尝试，旨在实现实时图像处理和增强现实功能，适用于多种应用场景如教育、医疗和娱乐领域。

这款应用利用Apple Vision Pro的沉浸式体验，让用户以全新的维度探索化学元素，深入了解化学的世界。用户可以在iPhone、iPad、Apple Watch、Apple TV或Apple Vision Pro上下载使用，通过增强现实和3D可视化技术，获取每个元素的详细信息，提升化学理解。

数字狗是一个AI驱动的数字狗NFT平台，旨在为虚拟世界、VR、AR、社交应用和游戏提供沉浸式体验。用户可以拥有和训练他们独特的数字狗，这些数字狗可以陪伴他们在不同的应用和元宇宙中。用户可以通过铸造DNA瓶开始孵化过程，从而与他们未来的数字狗互动并影响其发展。一旦孵化完成，用户将会见到他们的数字狗，并可以将其带到各种虚拟世界和体验中。数字狗SDK使用户能够将他们的数字狗集成到自己喜欢的应用和游戏中。

Dore AI是一个基于AI的移动SDK，适用于iOS和Android开发者，允许他们为移动应用赋予思考和视觉能力。开发者可以通过简单的代码集成SDK，选择适合自己项目的模块。

GPTsCopilot是一个允许用户在无需激活ChatGPT Plus的情况下，直接使用多种GPT应用的平台。用户可以轻松发现和使用各种热门的GPT应用，从而提高工作效率。只需搜索所需应用，即可立即开始使用。