phenaki-pytorch

PyTorch实现Phenaki长视频AI生成技术

Phenaki 视频生成 AI 机器学习 Pytorch Github 开源项目

项目采用PyTorch框架,实现Phenaki视频生成技术。通过Mask GIT方法,能根据文本提示生成最长2分钟的视频。引入token critic技术以提升生成质量。提供简洁API,支持条件和无条件生成模式。包含完整训练与推理代码,适用于文本到图像和视频生成的相关研究。

MiniGPT4-video - 提升视频理解的创新多模态语言模型

GithubGoldfishMiniGPT4-Video多模态开源项目视频理解长视频

MiniGPT4-Video项目采用交错视觉-文本标记技术，大幅提升了多模态大语言模型的视频理解能力。该模型在短视频理解方面表现优异，多项基准测试中均优于现有方法。项目还开发了Goldfish框架，专门应对任意长度视频的处理难题，有效解决了长视频理解中的噪声、冗余和计算挑战。这些创新成果为视频分析和理解领域开辟了新的可能性。

magvit - 单模型实现多种视频合成任务的创新技术

GithubMAGVIT开源项目机器学习深度学习视频生成计算机视觉

MAGVIT是一种创新的视频生成技术，采用掩码生成视频变换器实现单一模型解决多种视频合成任务。该项目在视频生成质量、效率和灵活性方面表现出色，能够执行类别条件生成、帧预测和多任务视频处理。MAGVIT在UCF-101、BAIR Robot Pushing、Kinetics-600等多个基准测试中取得优异成绩，展示了其在视频生成领域的应用前景。

StreamingT2V - 先进的长视频生成技术实现连贯动态和可扩展内容

GithubStreamingT2V一致性动态视频开源项目文本到视频长视频生成

StreamingT2V是一种创新的自回归技术，专门用于生成长时间、连贯一致的视频内容。该技术无需分段处理即可创建动态丰富的视频，确保了时间上的连贯性，同时保持与文本描述的高度契合和单帧图像的优质表现。目前已实现生成1200帧（约2分钟）的视频，并具有进一步延长的潜力。值得注意的是，StreamingT2V的性能不局限于特定的文本到视频模型，这意味着随着基础模型的进步，视频质量有望进一步提升。

titok-pytorch - 32 Token图像编码与重建框架

GithubPytorchTiTok图像处理图像重建开源项目深度学习

TiTok-Pytorch是一个基于PyTorch实现的图像编码和重建框架，源自ByteDance的研究。该项目将图像压缩为32个token，实现高效的图像重构和生成。TiTok-Pytorch提供简便的安装和使用方法，支持图像tokenization、重建和代码提取。这个框架适用于图像压缩、生成和重建等领域的深度学习项目，为高效图像处理提供了新的解决方案。

MotionClone - 从参考视频克隆动作实现可控文本到视频生成

AI控制GithubMotionClone动作克隆开源项目文本到视频视频生成

MotionClone是一个无需训练的框架，通过从参考视频克隆动作来控制文本到视频的生成。该项目采用时间注意力机制和位置感知语义引导，有效处理微妙动作并提升生成模型的提示理解能力。MotionClone为视频创作和研究提供了全面的动作和语义指导工具，推动了可控视频生成技术的发展。

CogVideoX-5b - 专家Transformer驱动的先进文本到视频生成模型

CogVideoXGithubHuggingface人工智能开源项目扩散模型文本到视频模型视频生成

CogVideoX-5b是基于专家Transformer的文本到视频生成模型。它可生成6秒720x480分辨率、8帧/秒的视频,支持226个token的英文提示输入。模型采用BF16精度,推理VRAM消耗低至5GB。通过多项优化,CogVideoX-5b在保持视觉质量的同时提高了推理速度,为视频生成研究与应用提供了有力工具。

VideoBooth - 基于图像提示的AI视频生成新突破

GithubVideoBooth人工智能图像提示开源项目扩散模型视频生成

VideoBooth是一个AI视频生成项目，利用扩散模型技术基于图像提示创建视频。该项目将静态图像主体转化为动态视频，实现图像到视频的转换。VideoBooth采用两阶段训练方法，提供安装、推理和训练指南。项目还公开了专门数据集，为研究提供资源。

T2M-GPT - 基于Pytorch的从文本描述到人类动作生成的AI技术

GithubT2M-GPT三维模型人体运动生成开源项目深度学习视觉结果

T2M-GPT, 领先的AI技术, 通过解析文本生成精准的人类动作，已在2023年IEEE/CVF会议展示认可。包含易用的安装、快速指南及训练评估资料，支持多种3D动作数据集。

Latte - 创新的潜在扩散Transformer视频生成技术

AI模型GithubLatteTransformer开源项目深度学习视频生成

Latte是一种新型视频生成模型，采用潜在扩散Transformer技术。该模型在多个标准数据集上表现优异，并支持文本到视频的生成。项目提供PyTorch实现、预训练模型和相关代码，为视频生成研究提供了重要参考。Latte在建模视频分布方面采用了创新方法，为未来研究提供了新的思路。

depthai - 深度学习与视频录制的多功能演示应用

DepthAIDockerGithubLuxonisPython依赖安装开源项目

这个项目提供了一个多功能的深度学习API演示程序，支持加载多种神经网络、创建管道和录制视频等功能。附有详细的安装指南和多种使用案例（包括QT GUI界面和命令行模式），用户能够轻松上手和测试DepthAI的功能。项目还支持多种AI模型，并可通过Docker运行，适用于开发者和机器学习爱好者。

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