Project Icon

common_metrics_on_video_quality

多指标视频质量评估工具包

这是一个开源项目,提供了计算FVD、SSIM、LPIPS和PSNR等多种视频质量评估指标的工具包。支持灰度和RGB视频格式,适用于生成模型和预测模型的视频质量评估。项目在Ubuntu系统上运行稳定,并提供了详细的使用说明和注意事项。研究人员和开发者可以利用此工具包进行便捷的视频质量分析。

MMStar - 大型视觉语言模型评估的新标准
GithubMMStar人工智能基准测试多模态评估开源项目视觉语言模型
MMStar是一个创新的多模态评估基准,包含1500个精选的视觉关键样本。它解决了现有评估中的视觉冗余和数据泄露问题,提高了多模态性能评估的准确性。MMStar涵盖6大核心能力和18个细分维度,每个核心能力均衡分配250个样本。项目提供评估工具、数据集和在线排行榜,为视觉语言模型研究指明新方向。
video2x - 开源视频和图像超分辨率增强软件
Video2X是一个开源的视频、GIF和图像超分辨率处理软件。它集成了waifu2x、Real-ESRGAN等多种先进算法,能够有效提升媒体质量。Video2X提供图形界面、命令行和Docker容器三种使用方式,支持Windows和Linux平台。除了提高分辨率外,该工具还具备帧率插值功能,可以显著改善视频的流畅度和清晰度。
Awesome_Long_Form_Video_Understanding - 长视频理解研究前沿进展与资源综述
Github人工智能开源项目深度学习视频分析计算机视觉长视频理解
这是一个综合性长视频理解研究资源库,涵盖表征学习、高效建模、大语言模型等多个子领域。项目汇总了前沿研究论文、数据集和工具,对各子任务进行了系统梳理。为长视频理解研究者提供了全面的参考资源,有助于推动该领域的发展。
cleanvision - 图像数据集问题自动检测工具,提升计算机视觉项目质量
CleanVisionGithub图像数据集开源项目数据质量数据问题检测计算机视觉
CleanVision是一个开源的图像数据集审核工具,能自动检测模糊、曝光不当和重复等常见问题。它为计算机视觉项目提供了数据预处理解决方案,支持多种图像格式,适用于分类、分割和对象检测等任务。开发者只需几行Python代码即可快速审核数据集,有助于提高机器学习模型的训练质量。
CVPR23_LFDM - 潜在流扩散模型实现条件图像到视频生成
GithubLFDM图像到视频生成开源项目条件生成深度学习潜在流扩散模型
CVPR23_LFDM项目提出了一种基于潜在流扩散模型的条件图像到视频生成方法。该方法在MUG、MHAD和NATOPS数据集上展示了生成流畅自然的人脸表情和人体动作视频的能力。项目开源了预训练模型、演示代码和详细的模型训练流程,为计算机视觉研究提供了有价值的资源。
libplacebo - 跨平台GPU加速视频处理开源库
GPU加速Githublibplacebo开源项目着色器系统色彩管理视频渲染
libplacebo是一个开源的GPU加速视频处理库,提供高质量上采样、HDR色调映射和色彩管理等功能。支持Vulkan、OpenGL和Direct3D 11,并提供高级API。该库已被VLC和FFmpeg等项目采用,适用于需要高性能视频渲染的应用。libplacebo注重算法质量和API易用性,为开发者提供强大而简洁的视频处理解决方案。
model-vs-human - 用于评估人类与机器视觉差距的Python工具箱
GithubPyTorchTensorFlowmodelvshuman对比模型开源项目视觉
modelvshuman是一个用于评估人类与机器视觉差距的Python工具箱。支持测试包括PyTorch和TensorFlow在内的多种模型,覆盖17个人类比较数据集。项目提供安装指南、示例代码、模型库和数据集加载方式,帮助快速入门并进行自定义模型评估。详细信息请访问项目主页。
FFMPerative - 基于自然语言的智能视频编辑工具
FFMPerativeGithub人工智能命令行工具开源项目自然语言处理视频编辑
这是一款基于大型语言模型(LLM)的创新视频编辑工具,通过聊天界面接收自然语言指令。支持视频速度调整、尺寸变更、裁剪、翻转等功能,还提供语音转文字和字幕添加服务。该工具旨在简化视频编辑流程,适用于各级用户,有助于提高编辑效率。无论是专业人士还是业余爱好者,都能轻松完成复杂的编辑任务。
MIVisionX - AMD开源计算机视觉和机器智能开发工具包
AMDGithubMIVisionXOpenVX开源项目机器学习计算机视觉
MIVisionX是一套开源的计算机视觉和机器智能开发工具包。它包含优化的OpenVX实现、神经网络模型编译器和多种实用工具。支持ONNX和NNEF格式,可在嵌入式设备到高性能服务器等多种硬件平台上部署计算机视觉和机器学习应用。
panoptic-toolbox - PanopticStudio多视角动作捕捉数据处理工具箱
3D关键点GithubPanopticStudio多视角系统开源项目数据集骨骼提取
PanopticStudio Toolbox是一款用于处理多视角人体动作捕捉数据的开源工具箱。它提供了下载、提取和可视化Panoptic Studio数据的功能,包括高清视频和3D关键点数据。该工具箱支持Python和Matlab,可实现3D关键点可视化和图像重投影。此外,它还包含KinopticStudio子系统工具和haggling数据集处理功能。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号