计算机视觉

艾伦人工智能研究所致力于推动人工智能领域的前沿研究，特别是在自然语言处理、计算机视觉和机器学习等领域。该机构通过开放资源和数据集，促进学术界与产业界的合作，旨在为社会带来积极的技术变革。

Sapiens是一系列专门针对人类的视觉基础模型，所有权重开放，提供各种尺寸的分割、深度和主题模型，旨在推动计算机视觉领域的发展。

Pluck是一个Chrome扩展，旨在帮助患有拔毛症的人意识到自己的拔毛习惯，并逐步走向康复。它利用计算机视觉技术检测潜在的拔毛行为，并为用户提供实时反馈。这种意识帮助用户理解触发因素，促进更好的习惯和个人成长。

3PSDF是一个用于学习任意拓扑表面的签名距离函数的项目，采用三极点方法，能够高效地重建复杂表面。

Glue Factory是CVG开发的一个库，用于训练和评估深度神经网络，专注于提取和匹配局部视觉特征。

Salient Extract是一个基于yoloV8深度学习模型的显著目标提取工具，能够高效提取图像中的显著特征，支持多种输入图像格式，并能与其他计算机视觉任务结合使用。

AI反向图像搜索是Vecteezy推出的创新工具，旨在帮助创意专业人士快速找到符合项目概念或风格的高质量图像。通过上传图像，该工具利用先进的计算机视觉和机器学习技术，提供相关的图像搜索结果，同时确保所有返回的图像均可合法使用，消除版权顾虑。

Undress AI v2 是一款基于人工智能的应用，用户只需上传一张照片，即可自动处理结果，展示未穿衣物的效果。该项目结合了先进的计算机视觉技术，旨在为用户提供隐私保护的同时，探索图像处理的可能性。

Hailo通过先进的处理器和软件解决方案，专注于边缘设备上的AI能力，降低延迟，提升效率，适用于汽车、工业自动化等多个领域。

将计算机视觉模型和LLM结合起来，以实现高级图像数据集查询。使用YOLO、CLIP和DINOv2提取图像的高级特征，并将提示与提取的特征一起传递给LLM，以实现高级图像数据集查询。

Athena是一个创新的AI决策支持系统，旨在增强防务和战术操作中的决策过程。通过集成先进的计算机视觉和AI功能，Athena以高准确性和速度简化复杂决策，同时确保在高压力环境中遵循法律和伦理考虑。

getEssential.app是一款AI驱动的工具，帮助开发者在Mac上排查错误信息。它利用计算机视觉和OpenAI的语言模型，理解屏幕内容并提供上下文特定的解决方案，同时具备总结工作的重要时刻、快速识别屏幕信息等多种功能。所有数据保留在用户的Mac上，确保安全性。

Encord是一个全面的数据引擎，专为AI模型开发而设计。它为高级计算机视觉团队提供工具和工作流程，以简化标记和工作流管理，清理和整理数据，验证标签质量，以及评估模型性能。用户可以通过创建项目和上传视觉数据来使用Encord，随后使用注释工具和工作流管理功能进行数据标注。

FlashAttention是一个开源的推理加速工具，专为AI大模型设计，通过优化注意力机制的计算流程，显著提升推理速度，尤其适合需要实时响应的场景。其v2版本比v1快2倍，比标准注意力机制快5-9倍，在A100上达到225 TFLOPs/s的训练速度，并已在大多数LLM库中得到广泛应用。

B-cos Networks旨在通过对齐实现模型的可解释性，提供最先进的性能，适用于各种机器学习任务。

ID-Blau是一个基于隐式扩散的方法，用于图像去模糊，通过重模糊增强技术来提升图像质量，适用于计算机视觉任务。

Remix-DiT是一种采用扩散变换器的模型，旨在通过多专家系统提高图像去噪的性能，适用于多种图像处理任务。

Skyvern AI 是一个通过大语言模型（LLM）和计算机视觉技术，自动化基于浏览器的工作流程的项目。它提供了一个简单的 API 端点，便于集成到现有系统中，完全自动化手动工作流程，取代脆弱或不可靠的自动化解决方案。

Transformers和相关的深度网络架构在此进行了总结和实现，涵盖了自然语言处理和计算机视觉等多个领域。

HAvatar是一个通过面部模型调节神经辐射场生成高保真头像的项目，结合了NeRF的表达能力和参数模板的先验信息，克服了形状不一致的问题，实现动态头部外观的高分辨率和真实性，并支持动画的稳定性。

FaceLit是一个神经网络驱动的3D重光照人脸生成项目，能够生成在不同光照条件下的人脸图像，广泛应用于计算机视觉和虚拟现实领域。

一个能够直接在文件字节上进行训练和测试的模型，无需在推理时对文件进行解码。

PyTorch是一个开源的深度学习框架，广泛用于计算机视觉和自然语言处理等领域。

这是一个基于TensorPack框架的实现与模型集锦，包含多种预训练模型，适用于图像处理和计算机视觉任务，易于扩展和自定义。

Taichi是一种嵌入在Python中的领域特定语言，旨在加速Python代码执行，使其运行速度接近C++甚至CUDA，提供高性能的计算能力，同时保持Python的灵活性和简洁性。它支持多种硬件平台，包括CPU和GPU，并内置自动微分功能，具有强大的并行计算能力，适合各类高性能计算任务。

HyperNeRF是一个支持高维表示和处理拓扑变化的神经辐射场的项目，旨在提高3D重建和场景渲染的效果。

人类眼睛的反射性是了解周围世界的一种尚未被充分开发的来源。通过拍摄运动中的人的眼睛，我们可以通过眼睛的反射收集场景中多个视角的画面，这些画面是通过相机直接拍摄无法得到的。

《机器人学、视觉与控制（第三版）》的Python代码实例库，提供第三版教科书中的算法实现，助力机器人与计算机视觉领域的学习和研究。该项目包含多种与机器人学和计算机视觉相关的算法实现，适合用于教学和实践相结合的学习方式。

RT-DETR（Real-time DEtection Transformer）是一种在速度和准确率方面均超越YOLO系列的先进物体检测模型，旨在提升计算机视觉任务的效率和效果。该模型采用高效的混合编码器和不确定性最小查询选择方法，支持灵活的速度调整和多尺度特征处理，在COCO数据集上表现出色。

包含了从计算机视觉、自然语言处理到生物计算、气象预测等各个领域的模型，这些模型结合了幻方萤火超算集群的特点，使用并行训练、高效算子、高性能存储等方式，大幅提升原有模型的性能，节省训练时间。