Project Icon

Objectron

3D对象姿态标注短视频数据集

Objectron数据集包含短视频片段,每个片段提供详细的3D对象姿态标注信息。数据集包括15,000个标注视频和4百万个标注图像,涵盖自行车、书籍、瓶子、相机、谷物盒子、椅子、杯子、笔记本电脑和鞋子等类别。数据集支持TensorFlow和PyTorch等深度学习框架,并提供用于3D物体检测的解决方案。数据采集自全球10个国家,确保了地理多样性。

Segment-and-Track-Anything - 视频中任意对象的自动分割与追踪系统
AI视觉GithubSAM-Track交互式分割开源项目目标跟踪视频分割
Segment-and-Track-Anything是一个专注于视频中任意对象分割和追踪的开源项目。该系统集成了SAM模型的关键帧分割能力和DeAOT模型的多目标追踪功能。它支持自动检测新对象、交互式修改、文本提示等多种操作模式,适用于街景分析、增强现实、细胞追踪等领域。项目提供了直观的WebUI界面和灵活的参数设置,使用户能够轻松实现复杂的视频对象分割和追踪任务。
video2dataset - 快速构建大规模视频数据集的开源工具
Githubvideo2dataset分布式处理开源项目数据预处理视频下载视频数据集
video2dataset是一个开源工具,用于从视频URL快速创建大规模视频数据集。它支持多种输入输出格式和文件系统,可在12小时内处理1000万个视频。该工具提供增量模式、分布式处理和Weights & Biases集成,适合机器学习训练等场景。其灵活的API和配置选项让用户能够精细控制数据处理流程。
CV - 深度学习视频教程及笔记资源
GithubJupyter NotebookPytorch开源项目数据集深度学习视频讲解
本项目提供深度学习视频讲解及笔记资源,涵盖Pytorch、李沐、吴恩达等名师课程,并附有详细的数据集和实用工具。适合从事AI算法开发、图像处理及语音识别方向的求职者,并提供多家知名企业的内推机会,帮助自学者搭建交流平台,实现技术突破和职业发展。
InternVideo - 视频基础模型助力多模态理解进展
GithubInternVideo多模态理解开源项目模型更新视频基础模型视频文本数据集
InternVideo项目致力于开发通用视频基础模型,提升多模态视频理解能力。项目包含InternVideo和InternVideo2两个主要版本,以及大规模视频-文本数据集InternVid。InternVideo2采用生成式和判别式学习方法,在多模态视频理解任务中表现突出。项目不断更新,提供多种规模的模型和丰富的视频注释数据,为研究和开发提供有力支持。
SportsLabKit - 专业体育分析工具包 实现比赛视频数据化
GithubSportsLabKit体育分析开源项目数据处理目标跟踪计算机视觉
SportsLabKit是一个开源的体育分析工具包,可将比赛视频转换为可分析的数据。目前主要用于足球领域,计划扩展到其他运动。核心功能包括高性能追踪、灵活架构、2D场地校准和数据封装,便于进行运动员追踪和数据分析。该项目集成了SORT、DeepSORT、ByteTrack等多种追踪算法,支持YOLOv8等检测模型,为研究人员和开发者提供了灵活的开发环境。SportsLabKit正在持续开发中,旨在提供更多计算机视觉工具和统一的数据表示方法。
gdrnpp_bop2022 - GDRNPP:BOP挑战赛获奖的6D物体姿态估计算法
6D姿态估计BOP Challenge 2022GDRNPPGithub姿态优化开源项目目标检测
GDRNPP_BOP2022是一个在ECCV'22 BOP挑战赛中获得多项大奖的6D物体姿态估计算法。该项目采用域随机化技术、ConvNext骨干网络和双重掩码头,并结合深度信息进行姿态优化。项目提供完整的训练和测试代码,涵盖目标检测、姿态估计和优化,为计算机视觉研究提供高性能的6D姿态估计工具。
SparseBEV - 多摄像头视频中的高性能稀疏3D目标检测技术
GithubICCV 2023PyTorchSparseBEVnuScenes开源项目立体检测
SparseBEV利用多摄像头视频实现高性能稀疏3D目标检测,得到ICCV 2023的认可,并提供PyTorch实现、训练和评估指南。新发布的SparseOcc展示了全稀疏架构支持多种预训练权重和配置文件。用户可使用提供的代码进行可视化和模型优化,实现高效3D检测。兼容不同版本的PyTorch和CUDA,表现卓越。
awesome-object-detection - 提供涵盖R-CNN至YOLOv3等系统目标检测资源
Fast R-CNNFaster R-CNNGithubMask R-CNNR-CNNYOLO开源项目
awesome-object-detection为研究者和开发者提供涵盖R-CNN至YOLOv3等系统目标检测资源,适用于学术研究与实际应用。
Depth-Anything - 大规模无标注数据驱动的强大单目深度估计模型
Depth AnythingGithub人工智能图像处理开源项目深度估计计算机视觉
Depth Anything是一款基于大规模数据训练的单目深度估计模型。它利用150万标注图像和6200万无标注图像进行训练,提供小型、中型和大型三种预训练模型。该模型不仅支持相对深度和度量深度估计,还可用于ControlNet深度控制、场景理解和视频深度可视化等任务。在多个基准数据集上,Depth Anything的性能超越了此前最佳的MiDaS模型,展现出优异的鲁棒性和准确性。
OpenTAD - 多功能时序动作检测工具箱支持多数据集和前沿方法
GithubOpenTADPyTorch开源工具箱开源项目时序动作检测计算机视觉
OpenTAD是一个基于PyTorch的开源时序动作检测工具箱,支持9个TAD数据集。其模块化设计便于复现现有方法和实现新方法,支持基于特征和端到端的训练模式。该项目提供多种预提取特征,实现了多个前沿TAD方法,并在EPIC-KITCHENS-100和Ego4D 2024挑战赛中表现出色。
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