• 欢迎访问佰阅部落,本站为优质开源程序分享站,所有自研项目均开源免费,可在Github查看源码。 QQ群
  • 如果您觉得本站非常有看点,那么赶紧使用Ctrl+D 收藏吧
  • 欢迎积极参与讨论、反馈问题

让非人类具有人的智慧

RVM:AI实时视频抠图,完美绿幕诞生

RVM:AI实时视频抠图,完美绿幕诞生

最近由字节跳动开源的一套人工智能视频抠图方案火了,RVM(Robust Video Matting)专为稳定人物视频抠像设计。不同于现有神经网络将每一帧作为单独图片处理,RVM 使用循环神经网络,在处理视频流时有时间记忆。RVM 可在任意视频上做实时高清抠像。在 Nvidia GTX 1080Ti 上实现 4K 76FPS 和 HD 104FPS。目前虽没……

RealSR-ncnn-Vulkan:AI超分辨图像放大终于可以看得过去了

RealSR-ncnn-Vulkan:AI超分辨图像放大终于可以看得过去了

在图像超分辨领域,腾讯优图AI在去年开源了RealSR,主要面向现实世界图像的超分辨放大,不同于其他纸上论文,该项目打包了跨终端的可执行文件,实现了类似waifu2x的零依赖命令行调用。未来或许会新增更多带GUI视图的面板,方便普通人使用。0. 效果截图1. 下载地址开源地址: https://github.com/nihui/realsr-nc……

尝鲜Activeloop_HUB-打造人工智能领域里的公共数据集仓库

尝鲜Activeloop_HUB-打造人工智能领域里的公共数据集仓库

对开发者而言,我们习惯各种各样的仓库,比如docker的hub.docker,再比如python的pypi库,nodejs的npm库等等。人工智能领域还没有比较集中且受众广泛的库,本篇就来尝鲜下Activeloop提供AI数据集库。0. 为啥需要一个公共的数据集库众所周知,公共库可以极大的方便我们找资源,在这之前,很多资源都是直接存储在GitHub或……

DeOldify黑白旧照片着色神器:基于NoGAN的深度学习来实现旧照着色还原

DeOldify黑白旧照片着色神器:基于NoGAN的深度学习来实现旧照着色还原

我们特别感谢DeOldify的开发者jantic,该项目处于持续维护状态,参与贡献人数已有25人,使用一种NoGAN的神经网络来训练,最终使得复原的照片毛刺几乎完全消失、人物皮肤更为自然,效果逼近真实的照片。0. 测试环境线上谷歌实验室,使用pytorch和Tesla P100的GPU,附上Colab实验室地址。1. 效果图如开头的清朝宫女图,……

waifu2x:一款开源免费的图片无损放大神器

waifu2x:一款开源免费的图片无损放大神器

waifu2x是日本的一位大佬nagadomi开发的开源项目,目前累计贡献者有31人,该项目利用人工智能深度卷积神经网络技术来无损放大图片,内置了多种RNN模型,现已支持web端、linux端,Windows客户端等,支持本地显卡CUDA加速,实际体验非常令人满意。0. 在线体验在线体验地址: http://waifu2x.udp.jp开源地址: ……

bigjpg:在线AI人工智能图片放大

bigjpg:在线AI人工智能图片放大

图片超分辨采样技术,目前做的最牛的应该是nVidia的DLSS,基于1k到16k素材的海量训练,并借助RTX20系和30系显卡,实现了实时输出效果。不过我们平时可接触到的,其实也很多,比如阿里云、百度等都有相关API接口,可以实现低分辨图片的高清化或4K化,通常用于各种监控记录截图的清晰化处理,比如电视上一些警匪片中的图片处理效果,本期就来推荐下这个在线的……

浅谈DLSS深度学习在游戏画质及帧率方面的应用

浅谈DLSS深度学习在游戏画质及帧率方面的应用

人工智能正在彻底改变游戏,体现在游戏中的物理和动画模拟,以及实时渲染和AI辅助功能。DLSS是Deep Learning Super Sampling英文的缩写,借助深度学习超级采样(DLSS),NVIDIA着手通过基于AI的超分辨率重新定义实时渲染,渲染更少的像素,然后使用AI构造清晰、高分辨率的图像。最终在RTX20系和30系显卡上,获得两倍的帧率和超……

深度学习究竟有何魅力?谈谈深度学习绕不过去的CUDA计算

深度学习究竟有何魅力?谈谈深度学习绕不过去的CUDA计算

深度学习是数学与编程结合最紧密的领域之一,对计算有着大量的需求,而显卡GPU的CUDA引擎,在处理矩阵等数据量庞大的并行计算的时候,CUDA计算优势明显。人工智能发展至今,我们见识了从1998年LetNet的诞生到当今的百花齐放,得益于大数据和云计算,开发者们在本地尝试原型设计,然后在云端上开展最终的训练,可以说当今已经不受计算速度的影响了,只要你感想、感……

图像分类训练-使用ResNeSt50残差网络分类CIFAR10

图像分类训练-使用ResNeSt50残差网络分类CIFAR10

参考paperswithcode关于图像分类训练排行榜,我挨个尝试了各种神经网络,其中ResNeSt50残差网络的表现非常令人满意,精度从LetNet的72%提高到了86%左右。查阅资料才发现,虽然在该项目在今年4月份才诞生,但是GitHub已经标星2K多,下面就来具体介绍为啥这么厉害。0. ResNeSt50残差网络在测试ResNeSt50后,我也……