L-SVD

推动人工智能情感分析研究的大规模视频数据集

L-SVD数据集包含20,000多个短视频片段，涵盖8种人类情绪，为情感识别研究提供重要资源。该数据集特点包括精确的情感标注、统一的视频质量和全球社区参与。L-SVD致力于推动认知科学、心理学、计算机科学和医学等领域的研究，为情感AI、机器学习和深度学习的发展奠定基础。

Github

Huggingface

论文

介绍相关项目

wav2vec-english-speech-emotion-recognition - 英语语音情感识别模型：Wav2Vec 2.0的微调应用

GithubHuggingfaceWav2Vec 2.0开源项目模型模型微调深度学习自然语言处理语音情感识别

此项目展示了Wav2Vec 2.0模型在英语语音情感识别任务中的应用。通过使用SAVEE、RAVDESS和TESS数据集进行微调，模型能够识别7种基本情绪。在评估集上，模型达到了97.463%的准确率。这一成果为语音情感分析领域提供了新的可能性，可应用于语音交互系统和情感计算研究。

EmbodiedScan - 全面多模态3D感知套件，提高具身AI的理解能力

3D感知EmbodiedScanGithubMMScan多模态开源项目深度学习

EmbodiedScan及其系列如MMScan是专为多模态3D感知设计的开放数据集与基准，用于深入理解第一人称3D场景。包含超过5000次扫描、100万RGB-D视图、语言提示和160k 3D定向框。基于此数据库的Embodied Perceptron展示了在3D感知和语言定位中的优秀表现，适用于计算机视觉和机器人领域。通过我们的演示和基准测试，了解详细信息和应用案例。

Video-LLaVA - 视频多模态模型，具备像素级定位能力

GithubLMMPG-Video-LLaVA像素级别定锚开源项目视频理解音频上下文

PG-Video-LLaVA通过模块化设计，首次实现视频多模态模型具备像素级定位能力。该框架使用现成的追踪器和创新的定位模块，能够根据用户指令在视频中实现空间定位。引入新的基准测试用于评估基于提示的对象定位性能，并结合音频上下文完善视频内容理解，提高在对话和新闻视频等场景中的适用性。改进的定量基准测试确保更高的透明度和可重复性。

llava-v1.5-7b-llamafile - LLaVA模型实现图像理解与自然语言交互的多模态AI

GithubHuggingfaceLLaVA人工智能多模态模型开源项目机器学习模型自然语言处理

LLaVA-v1.5-7b-llamafile作为一个开源多模态AI模型，通过微调LLaMA/Vicuna而成。它整合了图像理解和自然语言处理功能，能够执行图像相关指令和进行对话。该模型于2023年9月推出，主要用于研究大型多模态模型和聊天机器人。LLaVA的训练数据包括558K图像-文本对和多种指令数据，在12个基准测试中表现优异。这个模型为计算机视觉和自然语言处理领域的研究人员提供了探索AI前沿应用的有力工具。

awesome-llm-human-preference-datasets - 开放源码的人类偏好数据集，用于LLM的指令调整与评估

AnthropicGithubHuman PreferenceOpenAIRLHFStanford Human Preferences Dataset开源项目

本页面汇总了多个人类偏好开源数据集，适用于LLM的指令调整、强化学习和评估。涵盖的数据集包括OpenAI WebGPT Comparisons、OpenAI Summarization和Anthropic HH-RLHF等。数据集中包含的问题、模型回答和人类评价数据，旨在为语言模型的开发和改进提供资源。覆盖文本摘要、对话、人类偏好比较等领域，为LLM研究和应用提供全面支持。

VisionLLM - 面向视觉任务的开放式多模态大语言模型

GithubVisionLLM人工智能多模态大语言模型开源项目视觉语言任务计算机视觉

VisionLLM 系列是一种多模态大语言模型，专注于视觉相关任务。该模型利用大语言模型作为开放式解码器，支持数百种视觉语言任务，包括视觉理解、感知和生成。VisionLLM v2 进一步提升了模型的通用性，扩展了其在多模态应用场景中的能力，推动了计算机视觉与自然语言处理的融合。

SRe2L - 创新的ImageNet规模数据集压缩技术

GithubImageNetNeurIPS大规模数据开源项目数据集蒸馏自监督压缩

SRe2L项目提出了一种新颖的大规模数据集压缩方法，通过'挤压'、'恢复'和'重新标记'三个步骤实现ImageNet规模数据的高效压缩。该方法在NeurIPS 2023会议上获得spotlight展示，为数据集蒸馏领域带来新的研究视角。项目还包括SCDD和CDA等相关工作，共同推动数据集蒸馏技术在大数据时代的应用和发展。

LAVIS - 多任务语言与视觉模型的统一接口和便捷数据下载工具

BLIPGithubLAVISSalesforceX-InstructBLIPlanguage-vision开源项目

LAVIS是一款用于语言与视觉智能研究的Python库，提供统一接口，支持图像文本预训练、检索和视觉问答等10多种任务，并包含20多个数据集和30多个预训练模型。其模块化设计和自动下载工具简化了数据准备和模型训练，是开发多模态应用的理想选择。

HumanArt - 多场景人体数据集助力计算机视觉研究

GithubHuman-Art人体姿态估计人工智能开源项目数据集计算机视觉

Human-Art数据集包含50,000张来自20个场景的图像,涵盖自然和人工环境中的2D和3D人体表现。该数据集提供人体边界框、21个2D关键点、自接触关键点和描述文本等标注,旨在推进多场景人体检测、姿态估计和3D重建等任务。Human-Art的多样性有助于提高模型在实际应用中的特征提取和人体理解能力,同时支持跨域应用和可控人体图像生成。

common_metrics_on_video_quality - 多指标视频质量评估工具包

FVDGithubLPIPSPSNRSSIM开源项目视频质量评估

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。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com