PRISMA

Effectue de multiples inférences à partir d'images ou de vidéos.

Produit OrdinaireImageApprentissage profondPhotogrammétrie

PRISMA est un pipeline de photogrammétrie qui permet d'effectuer de multiples inférences à partir de n'importe quelle image ou vidéo. À l'instar de la lumière se réfractant à travers un prisme en différentes longueurs d'onde, ce pipeline décompose l'image en données exploitables pour la reconstruction 3D ou le post-traitement en temps réel. Il combine différents algorithmes et modèles pré-entraînés open source, tels que la profondeur monoculaire (MiDAS v3.1, ZoeDepth, Marigold, PatchFusion), le flot optique (RAFT), le masquage de segmentation (mmdet), la pose de caméra (colmap), etc. Les résultats sont stockés dans un dossier portant le même nom que le fichier d'entrée, chaque bande étant enregistrée séparément au format .png ou .mp4. Pour les vidéos, une reconstruction sparse est tentée à la dernière étape, utilisable pour les NeRF (comme Instant-ngp de NVidia) ou l'entraînement par diffusion gaussienne. Les informations de profondeur inférées sont exportées par défaut sous forme de cartes de chaleur (heatmaps) au format GLSL/HLSL échantillonnable en temps réel avec LYGIA, tandis que le flot optique est encodé en teinte (angle) et saturation, également décodable en temps réel avec l'échantillonneur GLSL/HLSL de LYGIA.

Best AI Websites & Tools

PRISMA

PRISMA Dernière situation du trafic

PRISMA Tendance des visites

PRISMA Distribution géographique des visites

PRISMA Sources de trafic

PRISMA Alternatives

PRISMA — Effectue de multiples inférences à partir d'images ou de vidéos.

GenWarp — Génère des images sous de nouveaux angles de vue, tout en préservant les informations sémantiques.

VGGSfM — Technique de reconstruction 3D basée sur l'apprentissage profond

DiffHuman — Génère plusieurs reconstructions 3D réalistes du corps humain à partir d'une seule image RGB.

DUSt3R — Reconstruction 3D dense et sans calibration caméra

VisFusion — Reconstruction de scènes 3D à partir de vidéos

HunyuanVideo-I2V — HunyuanVideo-I2V est un framework de génération d'image à vidéo basé sur HunyuanVideo, lancé par Tencent.

QwQ-32B — QwQ-32B est un puissant modèle d'inférence, conçu pour la résolution de problèmes complexes et la génération de texte, avec des performances exceptionnelles.

CogView4-6B — CogView4-6B est un puissant modèle de génération d’images à partir de texte, axé sur la génération d’images de haute qualité.

UniTok — UniTok est un tokeniseur visuel unifié pour la génération et la compréhension d'images.

Funes — Funes est un musée en ligne dédié à la collecte, à la conservation et à la présentation de modèles 3D d'architecture humaine.

PhotoDoodle — PhotoDoodle est une implémentation de code d'édition d'images artistiques basée sur l'apprentissage à partir de quelques exemples de paires de données.

Données de profilage dans l'infrastructure DeepSeek — Analyse des stratégies de chevauchement calcul/communication dans V3/R1, fournissant des données d'analyse de performance pour les frameworks d'apprentissage profond.

EPLB — Un algorithme open source pour l'équilibrage de charge du parallélisme expert, conçu pour optimiser l'allocation et l'équilibrage de charge des experts dans un environnement multi-GPU.

DualPipe — Algorithme de parallélisation pipeline bidirectionnel pour le chevauchement des calculs et des communications pendant l'entraînement V3/R1.

DeepGEMM — DeepGEMM est une bibliothèque CUDA pour une multiplication matricielle FP8 efficace, prenant en charge le scaling granulaire fin et plusieurs techniques d'optimisation.

DeepEP — DeepEP est une bibliothèque de communication efficace pour les modèles Mixture-of-Experts et la communication parallèle d'experts.

FlexHeadFA — Mécanisme d'attention précis, rapide et économe en mémoire

FlashMLA — FlashMLA est un noyau de décodage MLA hautement efficace optimisé pour les GPU Hopper, adapté aux services de séquences de longueur variable.

QwQ-Max-Preview — QwQ-Max-Preview est le dernier né de la série Qwen, basé sur Qwen2.5-Max. Il offre des capacités de raisonnement et d'applications multi-domaines puissantes.

Claude 3.7 Sonnet — Claude 3.7 Sonnet est le dernier modèle intelligent d'Anthropic, offrant des réponses rapides et un raisonnement approfondi.

VLM-R1 — VLM-R1 est un modèle linguistique visuel renforcé stable et polyvalent, axé sur les tâches de compréhension visuelle.

BioEmu — BioEmu est un modèle d'apprentissage profond génératif conçu pour simuler de manière évolutive les ensembles canoniques de protéines.

FlashVideo — FlashVideo est un modèle de génération vidéo haute résolution et performant, axé sur la fluidité des détails et la fidélité.

Détection de compatibilité des modèles DeepSeek — Détermine si un appareil peut exécuter des modèles DeepSeek de différentes tailles et fournit une prédiction de compatibilité.

Huginn-0125 — Huginn-0125 est un modèle profond récurrent à variables latentes de 3,5 milliards de paramètres, excellemment adapté au raisonnement et à la génération de code.

pré-entraînement de modèles linguistiques récurrents — Code de pré-entraînement pour des modèles linguistiques récurrents profonds à grande échelle, capable de fonctionner sur 4096 GPU AMD.

InspireMusic — Boîte à outils de génération de musique, de chansons et d'audio basée sur PyTorch, prenant en charge la génération audio haute fidélité.

Lumina-Video — Lumina-Video est un projet initial de génération vidéo, prenant en charge la génération de vidéo à partir de texte.

Brain2Qwerty — Une technologie d'interface cerveau-ordinateur non invasive qui décode l'activité cérébrale via l'électroencéphalographie (EEG) ou la magnétoencéphalographie (MEG) pour permettre la saisie de texte.