AVDC

从无动作视频学习行为的AI训练框架

AVDC是一个创新的AI训练框架，能够从无动作视频中学习行为策略。该项目支持Meta-World、iTHOR等多个环境，提供完整的代码库、预训练模型和详细文档。AVDC具有灵活的训练和推理功能，方便研究人员快速上手和复现实验结果，为计算机视觉和机器人学习领域带来新的可能性。

访问官网

文档

LVM - 大规模视觉模型的创新顺序建模方法

GithubLVM大规模视觉模型序列建模开源项目视觉句子视觉预训练模型

LVM是一种创新视觉预训练模型，将多种视觉数据转化为视觉句子，并进行自回归式标记预测。该模型采用顺序建模方法，无需语言数据即可学习大规模视觉模型。通过设计视觉提示，LVM可解决多种视觉任务。兼容GPU和TPU，为大规模视觉模型学习提供新方法。

L-SVD - 推动人工智能情感分析研究的大规模视频数据集

GithubL-SVD开源项目情感识别机器学习深度学习视频数据集

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。

DisCo - 人类舞蹈生成的多用途工具包

CVPRDisCoGithub开源项目深度学习舞蹈生成视频合成

DisCo 是一个生成逼真人类舞蹈的多用途工具包，支持图像与视频生成。它具有优秀的泛化能力，无需人类特定的微调，同时提供特定人类的细调，以满足多样化的研究需求。其框架操作简便，支持高效训练和多种研究方向。DisCo 在实际应用中表现出色，支持预训练、细调和人类特定细调，适用于广泛的应用场景。用户可以通过在线演示或本地部署模型推理，研究人员也可以利用该代码库进行再实现和开发。

LaVague - 开源大动作模型框架，用于开发AI Web代理

AI Web AgentsGithubLaVagueLarge Action ModelSelenium开源开源项目热门

LaVague 是一个开源的大动作模型框架，专为开发AI Web代理而设计。该框架通过世界模型和行动引擎，将用户的目标转化为执行指令，并通过Selenium或Playwright执行这些操作。LaVague 支持自定义配置、令牌计数、日志工具，还提供了Gradio交互界面。适用于高效自动化Web任务的开发者和技术专家。

Awesome-LLMs-for-Video-Understanding - 视频理解领域大型语言模型应用综述

Github多模态大语言模型开源项目指令微调视频分析视频理解

该项目汇集了大型语言模型在视频理解领域的最新应用进展,包括视频LLM模型、训练策略、相关任务、数据集、基准测试和评估方法。项目全面概述了LLM如何推动视频理解技术发展,并探讨了其应用前景。这是研究人员和开发者了解视频LLM最新进展的重要资源。

ACT - 基于模仿学习的低成本机器人解决方案

Action Chunking TransformerGithub低成本机器人分拣任务开源项目机器人手臂模仿学习

该开源项目适配250美元低成本机器人，采用Action Chunking Transformer (ACT)技术实现模仿学习。项目流程包括数据收集、策略训练和评估，非专业人士只需提供少量远程操作演示即可。使用RTX 3080显卡，30分钟内即可完成训练。项目旨在为机器人学习提供经济实惠的解决方案。

EFG - 高效灵活的深度学习框架支持多项计算机视觉任务

3D目标检测EFGGithub开源项目深度学习框架目标跟踪计算机视觉

EFG是一个高效、灵活且通用的深度学习框架，采用最小化设计。该框架支持2D和3D目标检测、全景分割等多种计算机视觉任务，并在Waymo和nuScenes等数据集上展现优异性能。EFG集成了多个最新研究成果，如TrajectoryFormer和ConQueR，为3D目标检测和跟踪领域提供创新解决方案。研究人员可利用EFG的项目模板探索各种研究主题。

VideoAI - 革新视频制作流程的AI创作平台

AI工具AI视频创作VideoAI视频生成订阅计划风格迁移

VideoAI是一个AI视频创作平台，能将想法、情感和图像转化为视频。平台功能包括AI视频生成、风格转换和高质量输出，适用于宣传内容和教育教程等多种类型。界面设计便于初学者和专业人士使用，采用先进AI算法确保视频质量。平台提供免费试用、按需付费和订阅计划选项。VideoAI为视频制作行业带来新的可能性，是一个功能全面的创作工具。

ViZDoom - AI视觉强化学习平台，支持多平台与多语言

APIGithubViZDoom开源项目强化学习深度学习视觉学习

ViZDoom平台基于ZDoom引擎，可通过视觉信息训练AI玩Doom游戏，适用于视觉学习和深度强化学习研究。支持Linux、macOS和Windows平台，提供Python和C++ API以及Gymnasium/OpenAI Gym环境封装。该平台具备自定义场景创建、同步和异步多玩家模式、可调分辨率和渲染参数，还支持3D视觉和音频缓冲区访问。

EasyAnimate - 基于Transformer的高分辨率长视频生成框架

AI绘图EasyAnimateGithub开源项目深度学习视频生成计算机视觉

EasyAnimate是一个开源的高分辨率长视频生成框架。该项目基于Transformer架构,采用类Sora结构和DIT技术,使用Transformer作为视频生成的扩散器。EasyAnimate支持训练扩散模型生成器、处理长视频的VAE和元数据预处理。用户可直接使用预训练模型生成多种分辨率的6秒24帧视频,也可训练自定义基线模型和Lora模型实现特定风格转换。

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