ailia-models
跨平台AI推理SDK，支持多种编程语言和模型
ailia SDK 是一款跨平台高速AI推理工具，适用于Windows、Mac、Linux、iOS、Android、Jetson和Raspberry Pi平台，并支持Unity (C#)、Python、Rust、Flutter (Dart) 和 JNI。该SDK通过Vulkan和Metal利用GPU增强计算性能。用户可通过pip3安装并使用丰富的预训练模型库，包括动作识别、异常检测和音频处理等领域。最新更新增加了mahalanobis-ad和t5_base_japanese_ner模型。
ailia SDKAI模型跨平台GPU加速高性能推理Github开源项目
<img src="https://yellow-cdn.veclightyear.com/35dd4d3f/b202433b-dee5-4123-a928-d3b9c26607ec.png">
预训练的先进AI模型集合。
关于ailia SDK
ailia SDK 是一个自包含、跨平台、高速推理的AI SDK。ailia SDK在Windows、Mac、Linux、iOS、Android、Jetson和Raspberry Pi平台上提供统一的C++ API。它还支持Unity（C#）、Python、Rust、Flutter（Dart）和JNI，以实现高效的AI应用。ailia SDK通过Vulkan和Metal广泛利用GPU，实现加速计算。
如何使用
新功能 - ailia SDK现在可以通过"pip3 install ailia"安装！
支持的模型
截至2024年8月9日有340个模型
最新更新
- 2024.08.09 添加mahalanobis-ad, t5_base_japanese_ner
- 2024.08.08 添加sdxl-turbo, sd-turbo
- 2024.08.05 从Transformers迁移到ailia Tokenizer 1.3
- 2024.07.16 添加grounded_sam
- 2024.07.12 添加llava
- 2024.07.09 添加GroundingDINO
- 更多信息请见我们的Wiki
动作识别
异常检测
音频处理
背景移除
人群计数
深度时尚
深度估计
面部检测
人脸识别
面部交换
| 模型 | 参考 | 导出自 | 支持的 Ailia 版本 | 博客 | |
|---|---|---|---|---|---|
| <img src="https://yellow-cdn.veclightyear.com/35dd4d3f/e62492c1-bdc1-4385-b360-f5b676243337.png" width=128px> | facefusion | FaceFusion | ONNXRuntime | 1.2.10 及以上 |
帧插值
生成对抗网络
手势检测
手势识别
图像描述
图像分类
图像修复
图像操作
图像修复
图像分割
| | 模型 | 参考 | 导出自 | 支持的 Ailia 版本 | 博客 | |:-----------|------------:|:------------:|:------------:|:------------:|:------------:| | [<img src="https://yellow-cdn.veclightyear.com/35dd4d3f/86482ba2-87bc-4775-b500-084913324d00.png" width=128px>](image_segmentation/deeplabv3/) | [deeplabv3](/image_segmentation/deeplabv3/) | [DeepLab v3+的Xception65主干网络](https://github.com/tensorflow/models/tree/master/research/deeplab) | Chainer | 1.2.0及更高版本 | | [<img src="https://yellow-cdn.veclightyear.com/35dd4d3f/40d6b198-22e0-4a76-b050-ebc2515a97ee.png" width=128px>](image_segmentation/hrnet_segmentation/) | [hrnet_segmentation](/image_segmentation/hrnet_segmentation/) | [高分辨率网络(HRNets)用于语义分割](https://github.com/HRNet/HRNet-Semantic-Segmentation) | Pytorch | 1.2.1及更高版本 | | | [<img src="https://yellow-cdn.veclightyear.com/35dd4d3f/1e320bcc-53eb-406d-aa8a-515fcd22eb59.png" width=128px>](image_segmentation/hair_segmentation/) | [hair_segmentation](/image_segmentation/hair_segmentation/) | [移动设备上的头发分割](https://github.com/thangtran480/hair-segmentation) | Keras | 1.2.1及更高版本 | | | [<img src="https://yellow-cdn.veclightyear.com/35dd4d3f/04966dfb-1ece-4e10-81e3-3889bb017322.png" width=128px>](image_segmentation/pspnet-hair-segmentation/) | [pspnet-hair-segmentation](/image_segmentation/pspnet-hair-segmentation/) | [pytorch-头发分割](https://github.com/YBIGTA/pytorch-hair-segmentation) | Pytorch | 1.2.2及更高版本 | | | [<img src="https://yellow-cdn.veclightyear.com/35dd4d3f/25de63d3-8862-4074-bca6-d44c10cc2650.png" width=128px>](image_segmentation/human_part_segmentation/) | [human_part_segmentation](/image_segmentation/human_part_segmentation/) | [人体解析的自我纠正](https://github.com/PeikeLi/Self-Correction-Human-Parsing) | Pytorch | 1.2.4及更高版本 | [EN](https://medium.com/axinc-ai/humanpartsegmentation-a-machine-learning-model-for-segmenting-human-parts-cd7e39480714) [JP](https://medium.com/axinc/humanpartsegmentation-%E5%8B%95%E7%94%BB%E3%81%8B%E3%82%89%E4%BD%93%E3%81%AE%E9%83%A8%E4%BD%8D%E3%82%92%E3%82%BB%E3%82%B0%E3%83%A1%E3%83%B3%E3%83%86%E3%83%BC%E3%82%B7%E3%83%A7%E3%83%B3%E3%81%99%E3%82%8B%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E3%83%A2%E3%83%87%E3%83%AB-e8a0e405255) | | [<img src="https://yellow-cdn.veclightyear.com/35dd4d3f/86449775-771e-413d-928f-49cf76ba9ffd.png" width=128px>](image_segmentation/semantic-segmentation-mobilenet-v3/) | [semantic-segmentation-mobilenet-v3](/image_segmentation/semantic-segmentation-mobilenet-v3) | [使用MobileNetV3进行语义分割](https://github.com/OniroAI/Semantic-segmentation-with-MobileNetV3) | TensorFlow | 1.2.5及更高版本 | | | [<img src="https://yellow-cdn.veclightyear.com/35dd4d3f/0e4dd8bc-92a9-4125-bb4c-d30f23e1213b.jpg" width=128px>](image_segmentation/pytorch-unet/) | [pytorch-unet](/image_segmentation/pytorch-unet/) | [Pytorch-Unet](https://github.com/milesial/Pytorch-UNet) | Pytorch | 1.2.5及更高版本 | | | [<img src="https://yellow-cdn.veclightyear.com/35dd4d3f/c181f4bc-2cfa-4804-aeeb-60267951122f.png" width=128px>](image_segmentation/pytorch-enet/) | [pytorch-enet](/image_segmentation/pytorch-enet/) | [PyTorch-ENet](https://github.com/davidtvs/PyTorch-ENet) | Pytorch | 1.2.8及更高版本 | | | [<img src="https://yellow-cdn.veclightyear.com/35dd4d3f/2662f1e7-4ee3-4091-b743-4000ae4335c2.png" width=128px>](image_segmentation/yet-another-anime-segmenter/) | [yet-another-anime-segmenter](/image_segmentation/yet-another-anime-segmenter/) | [Yet Another Anime Segmenter](https://github.com/zymk9/Yet-Another-Anime-Segmenter) | Pytorch | 1.2.6及更高版本 | | | [<img src="https://yellow-cdn.veclightyear.com/35dd4d3f/6dc9b9f1-6ac0-492d-82b7-1317637fd6b6.png" width=128px>](image_segmentation/swiftnet/) | [swiftnet](/image_segmentation/swiftnet/) | [SwiftNet](https://github.com/orsic/swiftnet) | Pytorch | 1.2.6及更高版本 | | | [<img src="https://yellow-cdn.veclightyear.com/35dd4d3f/926da1b5-88a0-4188-bbd4-9043c5afc654.png" width=128px>](image_segmentation/dense_prediction_transformers/) | [dense_prediction_transformers](/image_segmentation/dense_prediction_transformers/) | [用 于密集预测的视觉Transformer](https://github.com/intel-isl/DPT) | Pytorch | 1.2.7及更高版本 | [EN](https://medium.com/axinc-ai/dpt-segmentation-model-using-vision-transformer-b479f3027468) [JP](https://medium.com/axinc/dpt-vision-transformer%E3%82%92%E4%BD%BF%E7%94%A8%E3%81%97%E3%81%9F%E3%82%BB%E3%82%B0%E3%83%A1%E3%83%B3%E3%83%86%E3%83%BC%E3%82%B7%E3%83%A7%E3%83%B3%E3%83%A2%E3%83%87%E3%83%AB-88db4842b4a7) | | [<img src="https://yellow-cdn.veclightyear.com/35dd4d3f/5d7ebfb6-aa18-4f59-b800-60637ae534d8.png" width=128px>](image_segmentation/paddleseg/) | [paddleseg](/image_segmentation/paddleseg/) | [PaddleSeg](https://github.com/PaddlePaddle/PaddleSeg/tree/release/2.3/contrib/CityscapesSOTA) | Pytorch | 1.2.7及更高版本 | [EN](https://medium.com/axinc-ai/paddleseg-highly-accurate-segmentation-model-using-hierarchical-attention-18e69363dc2a) [JP](https://medium.com/axinc/paddleseg-%E9%9A%8E%E5%B1%A4%E7%9A%84%E3%81%AA%E3%82%A2%E3%83%86%E3%83%B3%E3%82%B7%E3%83%A7%E3%83%B3%E3%82%92%E4%BD%BF%E7%94%A8%E3%81%97%E3%81%9F%E9%AB%98%E7%B2%BE%E5%BA%A6%E3%81%AA%E3%82%BB%E3%82%B0%E3%83%A1%E3%83%B3%E3%83%86%E3%83%BC%E3%82%B7%E3%83%A7%E3%83%B3%E3%83%A2%E3%83%87%E3%83%AB-acc89bf50423) | | [<img src="https://yellow-cdn.veclightyear.com/35dd4d3f/49c8de46-512a-46e2-bee5-6965a9cb12ee.png" width=128px>](image_segmentation/pp_liteseg/) | [pp_liteseg](/image_segmentation/pp_liteseg/) | [PP-LiteSeg](https://github.com/PaddlePaddle/PaddleSeg/tree/develop/configs/pp_liteseg) | Pytorch | 1.2.10及更高版本 | | | [<img src="https://yellow-cdn.veclightyear.com/35dd4d3f/dabc6212-5b12-46da-8f1b-a0660e55b638.jpg" width=128px>](image_segmentation/suim/) | [suim](/image_segmentation/suim/) | [SUIM](https://github.com/IRVLab/SUIM) | Keras | 1.2.6及更高版本 | | | [<img src="https://yellow-cdn.veclightyear.com/35dd4d3f/724e5404-a272-4eba-afa8-eb7dbf0f3472.png" width=128px>](image_segmentation/group_vit/) | [group_vit](/image_segmentation/group_vit/) | [GroupViT](https://github.com/NVlabs/GroupViT) | Pytorch | 1.2.10及更高版本 | | | [<img src="https://yellow-cdn.veclightyear.com/35dd4d3f/de9b5887-9c5a-4f46-ba5c-519b575b8409.png" width=128px>](image_segmentation/anime-segmentation/) | [anime-segmentation](/image_segmentation/anime-segmentation/) | [动漫分割](https://github.com/SkyTNT/anime-segmentation) | Pytorch | 1.2.9及更高版本 | | [<img src="https://yellow-cdn.veclightyear.com/35dd4d3f/00b27b55-6b7d-45f0-9401-4fa29c4d3b86.png" width=128px>](image_segmentation/segment-anything/) | [segment-anything](/image_segmentation/segment-anything/) | [Segment Anything](https://github.com/facebookresearch/segment-anything) | Pytorch | 1.2.16及更高版本 | | [<img src="https://yellow-cdn.veclightyear.com/35dd4d3f/e3a704dc-e733-40d5-bf3b-047adb2218e3.png" width=128px>](image_segmentation/tusimple-DUC/) | [tusimple-DUC](/image_segmentation/tusimple-DUC/) | [TuSimple-DUC](https://github.com/TuSimple/TuSimple-DUC) | Pytorch | 1.2.10及更高版本 | | | [<img src="https://yellow-cdn.veclightyear.com/35dd4d3f/2e9421ff-ba09-4528-a194-6c68bf5b6ac5.jpg" width=128px>](image_segmentation/pytorch-fcn/) | [pytorch-fcn](/image_segmentation/pytorch-fcn/) | [pytorch-fcn](https://github.com/wkentaro/pytorch-fcn) | Pytorch | 1.3.0及更高版本 | | [<img src="https://yellow-cdn.veclightyear.com/35dd4d3f/fc795dec-3e8f-4a08-b243-75d1b0a7a240.png" width=128px>](image_segmentation/grounded_sam/) | [grounded_sam](/image_segmentation/grounded_sam/) | [Grounded-SAM](https://github.com/IDEA-Research/Grounded-Segment-Anything/tree/main) | Pytorch | 1.2.16及更高版本 | ## 大型语言模型 | 模型 | 参考 | 导出自 | 支持的 Ailia 版本 | 博客 | |------------:|:------------:|:------------:|:------------:|:------------:| |[llava](/large_language_model/llava) | [LLaVA](https://github.com/haotian-liu/LLaVA) | Pytorch | 1.2.16及更高版本 | | ## 地标分类
线段检测
低光照图像增强
自然语言处理
| Model | 参考资料 | 导出平台 | 支持的 Ailia 版本 | 博客 | |------------:|:------------:|:------------:|:------------:|:------------:| |[bert](/natural_language_processing/bert) | [pytorch-pretrained-bert](https://pypi.org/project/pytorch-pretrained-bert/) | Pytorch | 1.2.2 或更高 | [EN](https://medium.com/axinc-ai/bert-a-machine-learning-model-for-efficient-natural-language-processing-aef3081c24e8) [JP](https://medium.com/axinc/bert-%E8%87%AA%E7%84%B6%E8%A8%80%E8%AA%9E%E5%87%A6%E7%90%86%E3%82%92%E5%8A%B9%E7%8E%87%E7%9A%84%E3%81%AB%E5%AD%A6%E7%BF%92%E3%81%99%E3%82%8B%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E3%83%A2%E3%83%87%E3%83%AB-3a9c27d78cf8) | |[bert_maskedlm](/natural_language_processing/bert_maskedlm) | [huggingface/transformers](https://github.com/huggingface/transformers) | Pytorch | 1.2.5 或更高 | |[bert_ner](/natural_language_processing/bert_ner) | [huggingface/transformers](https://github.com/huggingface/transformers) | Pytorch | 1.2.5 或更高 | |[bert_question_answering](/natural_language_processing/bert_question_answering) | [huggingface/transformers](https://github.com/huggingface/transformers) | Pytorch | 1.2.5 或更高 | |[bert_sentiment_analysis](/natural_language_processing/bert_sentiment_analysis) | [huggingface/transformers](https://github.com/huggingface/transformers) | Pytorch | 1.2.5 或更高 | |[bert_zero_shot_classification](/natural_language_processing/bert_zero_shot_classification) | [huggingface/transformers](https://github.com/huggingface/transformers) | Pytorch | 1.2.5 或更高 | |[bert_tweets_sentiment](/natural_language_processing/bert_tweets_sentiment) | [huggingface/transformers](https://github.com/huggingface/transformers) | Pytorch | 1.2.5 或更高 | |[gpt2](/natural_language_processing/gpt2) | [GPT-2](https://github.com/onnx/models/blob/master/text/machine_comprehension/gpt-2/README.md) | Pytorch | 1.2.7 或更高 | |[rinna_gpt2](/natural_language_processing/rinna_gpt2) | [japanese-pretrained-models](https://github.com/rinnakk/japanese-pretrained-models) | Pytorch | 1.2.7 或更高 | |[fugumt-en-ja](/natural_language_processing/fugumt-en-ja) | [Fugu-Machine Translator](https://github.com/s-taka/fugumt) | Pytorch | 1.2.9 或更高 | [JP](https://medium.com/axinc/fugumt-%E8%8B%B1%E8%AA%9E%E3%81%8B%E3%82%89%E6%97%A5%E6%9C%AC%E8%AA%9E%E3%81%B8%E3%81%AE%E7%BF%BB%E8%A8%B3%E3%82%92%E8%A1%8C%E3%81%86%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E3%83%A2%E3%83%87%E3%83%AB-46b839c1b4ae) | |[fugumt-ja-en](/natural_language_processing/fugumt-ja-en) | [Fugu-Machine Translator](https://github.com/s-taka/fugumt) | Pytorch | 1.2.10 或更高 | |[bert_sum_ext](/natural_language_processing/bert_sum_ext) | [BERTSUMEXT](https://github.com/dmmiller612/bert-extractive-summarizer) | Pytorch | 1.2.7 或更高 | |[sentence_transformers_japanese](/natural_language_processing/sentence_transformers_japanese) | [sentence transformers](https://huggingface.co/sentence-transformers/paraphrase-multilingual-mpnet-base-v2) | Pytorch | 1.2.7 或更高 | [JP](https://medium.com/axinc/sentencetransformer-%E3%83%86%E3%82%AD%E3%82%B9%E3%83%88%E3%81%8B%E3%82%89embedding%E3%82%92%E5%8F%96%E5%BE%97%E3%81%99%E3%82%8B%E8%A8%80%E8%AA%9E%E5%87%A6%E7%90%86%E3%83%A2%E3%83%87%E3%83%AB-b7d2a9bb2c31) | |[presumm](/natural_language_processing/presumm) | [PreSumm](https://github.com/nlpyang/PreSumm) | Pytorch | 1.2.8 或更高| |[t5_base_japanese_title_generation](/natural_language_processing/t5_base_japanese_title_generation) | [t5-japanese](https://github.com/sonoisa/t5-japanese) | Pytorch | 1.2.13 或更高 | [JP](https://medium.com/axinc/t5-%E3%83%86%E3%82%AD%E3%82%B9%E3%83%88%E3%81%8B%E3%82%89%E3%83%86%E3%82%AD%E3%82%B9%E3%83%88%E3%82%92%E7%94%9F%E6%88%90%E3%81%99%E3%82%8B%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E3%83%A2%E3%83%87%E3%83%AB-602830bdc5b4) | |[bertjsc](/natural_language_processing/bertjsc) | [bertjsc](https://github.com/er-ri/bertjsc) | Pytorch | 1.2.15 或更高 | |[multilingual-e5](/natural_language_processing/multilingual-e5) | [multilingual-e5-base](https://huggingface.co/intfloat/multilingual-e5-base) | Pytorch | 1.2.15 或更高 | [JP](https://medium.com/axinc/multilingual-e5-%E5%A4%9A%E8%A8%80%E8%AA%9E%E3%81%AE%E3%83%86%E3%82%AD%E3%82%B9%E3%83%88%E3%82%92embedding%E3%81%99%E3%82%8B%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E3%83%A2%E3%83%87%E3%83%AB-71f1dec7c4f0) | |[bert_insert_punctuation](/natural_language_processing/bert_insert_punctuation) | [bert-japanese](https://github.com/cl-tohoku/bert-japanese) | Pytorch | 1.2.15 或更高 | |[t5_whisper_medical](/natural_language_processing/t5_whisper_medical) | 使用 t5 进行医学术语纠错 | Pytorch | 1.2.13 或更高 | | |[t5_base_summarization](/natural_language_processing/t5_base_japanese_summarization) | [t5-japanese](https://github.com/sonoisa/t5-japanese) | Pytorch | 1.2.13 或更高 | |[glucose](/natural_language_processing/glucose) | [GLuCoSE (General Luke-based Contrastive Sentence Embedding)-base-Japanese](https://huggingface.co/pkshatech/GLuCoSE-base-ja) | Pytorch | 1.2.15 或更高 | |[cross_encoder_mmarco](/natural_language_processing/cross_encoder_mmarco) | [jeffwan/mmarco-mMiniLMv2-L12-H384-v](https://huggingface.co/jeffwan/mmarco-mMiniLMv2-L12-H384-v1) | Pytorch | 1.2.10 或更高 | [JP](https://medium.com/axinc/crossencodermmarco-%E8%B3%AA%E5%95%8F%E6%96%87%E3%81%A8%E5%9B%9E%E7%AD%94%E6%96%87%E3%81%AE%E9%A1%9E%E4%BC%BC%E5%BA%A6%E3%82%92%E8%A8%88%E7%AE%97%E3%81%99%E3%82%8B%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E3%83%A2%E3%83%87%E3%83%AB-c90b35e9fc09)| |[soundchoice-g2p](/natural_language_processing/soundchoice-g2p) | [Hugging Face - speechbrain/soundchoice-g2p](https://huggingface.co/speechbrain/soundchoice-g2p) | Pytorch | 1.2.16 或更高 | | |[g2p_en](/natural_language_processing/g2p_en) | [g2p_en](https://github.com/Kyubyong/g2p) | Pytorch | 1.2.14 或更高 | | |[t5_base_japanese_ner](/natural_language_processing/t5_base_japanese_ner) | [t5-japanese](https://github.com/sonoisa/t5-japanese) | Pytorch | 1.2.13 或更高 | |[japanese-reranker-cross-encoder](/natural_language_processing/japanese-reranker-cross-encoder) | [hotchpotch/japanese-reranker-cross-encoder-large-v1](https://huggingface.co/hotchpotch/japanese-reranker-cross-encoder-large-v1) | Pytorch | 1.2.16 或更高 | ## 网络入侵检测 | Model | 参考资料 | 导出平台 | 支持的 Ailia 版本 | 博客 | |------------:|:------------:|:------------:|:------------:|:------------:| | [bert-network-packet-flow-header-payload](/network_intrusion_detection/bert-network-packet-flow-header-payload/) | [bert-network-packet-flow-header-payload](https://huggingface.co/rdpahalavan/bert-network-packet-flow-header-payload)| Pytorch | 1.2.10 或更高 | | | [falcon-adapter-network-packet](/network_intrusion_detection/falcon-adapter-network-packet/) | [falcon-adapter-network-packet](https://huggingface.co/rdpahalavan/falcon-adapter-network-packet)| Pytorch | 1.2.10 或更高 | | ## 神经渲染 | | Model | 参考资料 | 导出平台 | 支持的 Ailia 版本 | 博客 | |:-----------|------------:|:------------:|:------------:|:------------:|:------------:| | [<img src="https://yellow-cdn.veclightyear.com/35dd4d3f/0f455f74-1f46-4bb6-a0b4-d2abb0164621.png" width=128px>](neural_rendering/nerf/) | [nerf](/neural_rendering/nerf/) | [NeRF: Neural Radiance Fields](https://github.com/bmild/nerf) | Tensorflow | 1.2.10 或更高 | [EN](https://medium.com/axinc-ai/nerf-machine-learning-model-to-generate-and-render-3d-models-from-multiple-viewpoint-images-599631dc2075) [JP](https://medium.com/axinc/nerf-%E8%A4%87%E6%95%B0%E3%81%AE%E8%A6%96%E7%82%B9%E3%81%AE%E7%94%BB%E5%83%8F%E3%81%8B%E3%82%893d%E3%83%A2%E3%83%87%E3%83%AB%E3%82%92%E7%94%9F%E6%88%90%E3%81%97%E3%81%A6%E3%83%AC%E3%83%B3%E3%83%80%E3%83%AA%E3%83%B3%E3%82%B0%E3%81%99%E3%82%8B%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E3%83%A2%E3%83%87%E3%83%AB-2d6bee7ff22f) | | [<img src="https://yellow-cdn.veclightyear.com/35dd4d3f/e34e7237-6308-4e49-b2a9-ba04fbf94180.gif" width=128px>](neural_rendering/tripo_sr/) | [TripoSR](/neural_rendering/tripo_sr/) | [TripoSR](https://github.com/VAST-AI-Research/TripoSR) | Pytorch | 1.2.6 或更高 | ## 不适宜内容检测
| 模型 | 参考资料 | 导出自 | 支持的 Ailia 版本 | 博客 |
|---|---|---|---|---|
| clip-based-nsfw-detector | CLIP-based-NSFW-Detector | Keras | 1.2.10 及之后版本 | JP |
物体检测
目标检测 3D
目标跟踪
光流估计
| 模型 | 参考 | 导出自 | 支持的 Ailia 版本 | 博客 | |
|---|---|---|---|---|---|
| <img src="https://yellow-cdn.veclightyear.com/35dd4d3f/5d3d31e4-37ce-487a-8baa-a1475e0b5a2a.png" width=128px> | raft | RAFT: 光流的循环所有对字段变换 | Pytorch | 1.2.6 及以上 | EN JP |
点云分割
| 模型 | 参考 | 导出自 | 支持的 Ailia 版本 | 博客 | |
|---|---|---|---|---|---|
| <img src="https://yellow-cdn.veclightyear.com/35dd4d3f/f737e857-1a03-4211-9404-0aaefe153ac4.png" width=128px> | pointnet_pytorch | PointNet.pytorch | Pytorch | 1.2.6 及以上 |
姿态估计
3D姿态估计
| | 模型 | 参考 | 导出自 | 支持的 Ailia 版本 | 博客 |
|:-----------|------------:|:------------:|:------------:|:------------:|:------------:| | <img src="https://yellow-cdn.veclightyear.com/35dd4d3f/64ff684f-a9b3-46a8-8256-8d6ff791fb4d.png" width=128px> |lightweight-human-pose-estimation-3d | PyTorch 实时 3D 多人姿态估计 demo。<br/>OpenVINO 后端可用于快速的 CPU 推理。 | Pytorch | 1.2.1及更高 | | | <img src="https://yellow-cdn.veclightyear.com/35dd4d3f/920eeeb7-f450-4553-98d9-5ff039a7122d.png" width=128px> |3d-pose-baseline | 一 个简单的 TensorFlow 3D 人体姿态估计基线。<br/>在 ICCV 17 上展示。 | TensorFlow | 1.2.3及更高 | | | <img src="https://yellow-cdn.veclightyear.com/35dd4d3f/361f597b-cfa5-4f40-add2-345965eba261.png" width=128px> |pose-hg-3d | Towards 3D Human Pose Estimation in the Wild: a Weakly-supervised Approach | Pytorch | 1.2.6及更高 | | | <img src="https://yellow-cdn.veclightyear.com/35dd4d3f/c6db3dae-f60e-4ffd-a00b-f54d7526af34.png" width=128px> |blazepose-fullbody | MediaPipe | TensorFlow Lite | 1.2.5及更高 | EN JP | | <img src="https://yellow-cdn.veclightyear.com/35dd4d3f/7b9fef90-63d1-4529-af2f-2ad4d254eaa3.jpg" width=128px> |3dmppe_posenet | 来自单个 RGB 图像的 3D 多人姿态估计的“相机距离感知自上而下方法”的 PoseNet | Pytorch | 1.2.6及更高 | | | <img src="https://yellow-cdn.veclightyear.com/35dd4d3f/df886dbe-9b3a-484e-9ee6-138bc992f66e.png" width=128px> |gast | 视频中 3D 人体姿态估计的图注意空间时间卷积网络 (GAST-Net) | Pytorch | 1.2.7及更高 | EN JP | | <img src="https://yellow-cdn.veclightyear.com/35dd4d3f/1fd4dc80-46ad-44a8-88bb-06d5a2958996.png" width=128px> |mediapipe_pose_world_landmarks | MediaPipe 实际坐标点 | TensorFlow Lite | 1.2.10及更高 | |
道路检测
旋转预测
| 模型 | 参考 | 导出自 | 支持的 Ailia 版本 | 博客 | |
|---|---|---|---|---|---|
| <img src="https://yellow-cdn.veclightyear.com/35dd4d3f/b17f194b-7696-4b17-a47d-d52eb33f0eba.png" width=256px> | rotnet | 用于预测图像旋转角度以校正其方向的 CNN | Keras | 1.2.1及更高 |
样式迁移
超分辨率
文本检测
文本识别
时间序列预测
| 模型 | 参考 | 导出自 | 支持的 Ailia 版本 | 博客 |
|---|---|---|---|---|
| informer2020 | Informer：用于长序列时间序列预测的高效转换器 (AAAI'21 最佳论文) | Pytorch | 1.2.10 及以上 |
车辆识别
商业模型
| 模型 | 参考 | 导出自 | 支持的 Ailia 版本 | 博客 |
|---|---|---|---|---|
| acculus-pose | Acculus, Inc. | Caffe | 1.2.3 及以上 |
其他语言
编辑推荐精选
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
Trae
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
AI工具TraeAI IDE协作生产力转型热门
咔片PPT
AI助力，做PPT更简单！
咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星
专业的AI公文写作平台，公文写作神器
AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。
openai-agents-python
OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。
Hunyuan3D-2
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。
3FS
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。
下拉加载更多
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号