666 | 突破视觉模型类别限制，全面支持开放域感知！

开放域感知是目前视觉领域的研究热点之一。传统感知任务中，模型能力往往受限于训练数据中的样本类别。开放域感知突破了这一限制，让训练后的模型可以感知训练集之外的物体类别，甚至感知任意的语义概念，大大拓展了模型的能力边界和应用场景。

OpenMMLab 此次更新增加了多个热门的开放域感知算法：

• 支持了开放域目标检测算法 GoundingDINO，并提供了目前唯一的开源微调方案，性能超过官方结果（~1 AP）

MMDetection 支持 GroundingDINO 微调，

性能优于官方模型

• 支持了视觉定位算法 GLIP 微调，性能优于论文结果

• 支持了开放词汇检测算法 Detic，可以联合使用分类和检测数据进行训练

• 增加开放词汇分割算法 SAN（CVPR23），并支持了完整的训练流程

OpenMMLab 自研高性能感知模型 RTM 系列迎来新成员——全身关键点模型 RTMW。

RTMW 模型效果展示

全身关键点检测提供了对人体姿态、表情、手势的全面且精细的刻画，对下游任务如动作捕捉、运动分析、人机交互、AI 图像生成（如 ControlNet）等有非常重要的意义。此次发布的 RTMW 模型，对精度和推理速度做了深度优化：

• 首个在 COCO-Wholebody 上突破 70 AP 的开源模型

• 更加精准的手部细节，实时推理，满足应用场景需求

• 完整的模型部署工具链，开箱即用的 SDK

• 在线试玩 Demo：https://openxlab.org.cn/apps/detail/mmpose/RTMPose

RTMW 模型性能

前沿视觉模型在复杂任务和困难场景上不断取得突破，但随之而来的模型参数量和数据规模增加，也给训练框架提出了新的挑战。MMEngine 全面支持了 ColossalAI、FSDP、DeepSpeed 等高性能大模型训练框架，带来极致的训练速度提升和显存优化。

基于新版本的 MMEngine，我们也在 MMDetection 中提供了训练检测大模型的应用案例。

MMEngine 支持 ColossalAI，

优化大模型训练速度和显存开销

• 支持 PyTorch2.1.0

• 添加 PointsInPolygons 和 BoxIouRotated 算子对华为昇腾芯片的支持

• 支持大模型训练框架 ColossalAI，极致提升训练速度并降低显存占用

• 支持梯度检查点 Gradient Checkpoint ，一行配置即可减少模型显存占用

• 支持多种可视化后端，包括 NeptuneVisBackend、DVCLiveVisBackend 和 AimVisBackend

• 检测 Transformer SOTA 模型大合集

  -支持了 DDQ、CO-DETR、AlignDETR 和 H-DINO 4 个更新更强的 SOTA Transformer 模型

  -基于 CO-DETR,  MMDet 中发布了 COCO 性能为 64.1 mAP 的模型

  -DINO 等算法支持 AMP/Checkpoint/FrozenBN，可以有效降低显存

• 提供了全面的 CNN 和 Transformer 的性能对比

  -RF100 是由 100 个现实收集的数据集组成，包括 7 个域，可以验证 DINO 等 Transformer 模型和 CNN 类算法在不同场景不同数据量下的性能差异。用户可以用这个 Benchmark 快速验证自己的算法在不同场景下的鲁棒性

CNN vs Transformer 

检测模型性能 benchmark

• 支持了 GLIP 和 Grounding DINO 微调，性能均优于官方结果

  -值得一提的是，MMDetection 也是目前唯一支持 GroundingDINO 微调的开源代码库。此外，我们还提供了详细的 Grounding DINO 在自定义数据集上训练评估的流程，欢迎大家试用

  
  

• 支持开放词汇检测算法 Detic 并提供多数据集联合训练可能

  
  

• 支持使用 FSDP 和 DeepSpeed 训练检测模型

使用 FSDP 优化检测模型训练速度和内测开销

• 支持了 V3Det 1.3w+ 类别的超大词汇检测数据集

支持 V3Det 数据集：

超过 1.3w 类别的超大词汇目标检测

• 支持深度估计任务，新增 VPD 算法和 NYU 数据集，并支持深度图可视化

• 支持 SAN 开放集语义分割算法

• 新增 RSInferencer API，支持遥感图像快速推理

MMSegmentation 支持深度估计任务

开放词汇分割算法 SAN（CVPR23）

• 支持 MiniGPT-4 训练及推理，并额外提供中文支持

图文多模态算法 MiniGPT-4

• 支持 DINO 自监督学习

• 支持 CLIP zero-shot 分类

• 支持 MotionBERT、DWPose、YOLOX-Pose、InterNet 算法的训练，支持 EDPose、Uniformer、Associate Embedding 算法推理

• 支持 Ubody、InterHand2.6M、300W-LP 数据集

• 支持 BadCase 可视化分析、多数据集评测、关键点可见性预测

• 发布 RTMPose 系列全身姿态估计模型 RTMW 的 alpha 版本，精度相比于 SOTA 方案有 3.7 AP 提升，算法当前还在不断迭代优化中，欢迎用户探索和试用

• 支持了 VindLU 视频-语言多模态训练

• 支持了 Dense Regression Network, 一种Video Grounding 方法

• 支持了 ASFormer，一种用于动作分割的 transformer

• 支持了新算法 ViCo， 一种新的 SD personalization 方法

  
  

MMagic 支持扩散模型个性化生成算法 ViCo

• 支持了新算法 AnimateDiff， 一种流行的文本转动画方法

• 支持了新算法 SDXL

• 支持了基于 MMagic 实现的 DragGAN

• 支持了新算法 FastComposer

• 支持 DINO 等 DETR 系列检测模型的部署

• 支持 Mask2Former 等全景分割模型的部署

• 升级 Docker 镜像和预编译包至 cuda=11.8, tensorrt=8.6.1, onnxruntime=1.15.1

MMSIG 社区在第三季度不断壮大和完善，认证 40 余位社区 Committer 和 Active Contributor， 举办贡献者线下沙龙和 10 余次线上分享圆桌会。目前  OpenMMLab 贡献者总数已超过 2000 人，吸引来自清北交复等顶尖高校、抖音阿里等头部互联网企业超过 200 位贡献者。社区正在不断丰富活动奖池和激励机制，为社区成员提供更多升级福利，敬请期待！

8 月 19 日，由 OpenMMLab 社区举办的贡献者线下沙龙在上海徐汇西岸智塔圆满举办，吸引来自全国各地的 50 多位社区开发者。活动期间，OpenMMLab 算法研究员和核心开发者现场分享最新的研究进展和未来规划，更有社区开发者分享自己的贡献经历和个人成长的故事。未来 OpenMMLab 会创造更多合作和交流的机会，期待有更多贡献者参与到我们的线下活动中来！

经过 3 个月紧锣密鼓的开发， 12 名同学在 OpenMMLab 夏令营中顺利结项，项目成果已随相关 PR 的合并陆续合入社区。每年均有学生通过夏令营深入社区贡献，在社区内进一步成长。

第二期超级视客营发布后，社区响应十分热烈，历经两个多月的时间，共有 111 个任务完成开发，40 余名新同学荣升贡献者。

开源的星星之火，愈燃愈旺，期待有更多开发者加入 OpenMMLab 开源生态，与我们一同前行。

OpenMMLab 技术写作训练营第 2 期成功举办，共有 200+ 社区成员报名参与了此次训练营。专业老师提供全方位系统性教学，再度献上了一场技术写作盛宴，学员们围绕着 AI、计算机视觉、学习、职场等众多主题展开写作实践，参与者纷纷表示“收获颇丰”，更有佳作在 OpenMMLab 官方渠道亮相，受到读者们的喜爱！