Project Icon

XMem2

少量标注实现高精度视频分割的开源工具

XMem2是一个开源的交互式视频分割工具,通过永久记忆模块和创新帧选择算法,只需少量标注即可实现高质量分割。它能以30+ FPS的速度处理物体部件、流体、可变形物体等复杂场景。XMem2提供改进的GUI和Python接口,适用于电影制作等领域。项目还包含PUMaVOS数据集,涵盖23个具挑战性的视频分割场景。

Medical-SAM2 - 基于SAM2框架的2D和3D医学图像精准分割模型
GithubMedical SAM 2医学影像图像分割开源项目深度学习计算机视觉
Medical-SAM2是一个开源的医学图像分割模型,基于SAM2框架开发。该模型支持2D和3D医学图像分割,适用于REFUGE眼底图像和BTCV腹部多器官等数据集。项目提供环境配置、数据准备和训练步骤指南,以及预训练权重。Medical-SAM2为医学图像分析研究提供了实用的工具和资源。
MotionLLM - 融合视频和动作数据的人类行为理解先进AI模型
GithubMotionLLM人工智能人类行为理解多模态学习大语言模型开源项目
MotionLLM是一个人类行为理解框架,通过融合视频和动作序列数据来分析人类行为。该项目采用统一的视频-动作训练策略,结合粗粒度视频-文本和细粒度动作-文本数据,以获得深入的时空洞察。项目还包括MoVid数据集和MoVid-Bench评估工具,用于研究和评估人类行为理解。MotionLLM在行为描述、时空理解和推理方面展现出优越性能,为人机交互和行为分析研究提供了新的方向。
EfficientSAM - 基于掩码预训练的实时图像分割模型
EfficientSAMGithub分割模型图像处理开源项目深度学习计算机视觉
EfficientSAM是一个基于掩码图像预训练的通用图像分割模型,支持点提示、框提示、全景分割和显著性检测等功能。该模型在保持高精度的同时显著提高了处理速度,已集成到多个开源工具中。项目提供在线演示和Jupyter notebook示例,便于研究人员和开发者快速上手和应用。
Make-Your-Video - 结合文本和深度信息的智能视频生成模型
AI模型GithubMake-Your-Video开源项目深度学习视频生成计算机视觉
Make-Your-Video是一个结合文本和深度信息的视频生成模型。它继承了图像潜在扩散模型的丰富视觉概念,支持长视频推理。该模型可将真实场景和3D建模场景转化为视频,并支持视频重渲染。相比其他方法,Make-Your-Video在视觉质量和动作控制方面表现优异,为视频创作提供了新的可能性。
MixFormerV2 - 高效全Transformer跟踪模型 实现CPU实时运行
GithubMixFormerV2Transformer开源项目模型蒸馏目标跟踪神经网络
MixFormerV2是一个统一的全Transformer跟踪模型,无需密集卷积操作和复杂评分预测模块。该模型提出四个关键预测token,有效捕捉目标模板与搜索区域的相关性。项目还引入新型蒸馏模型压缩方法,包括密集到稀疏和深层到浅层两个阶段。MixFormerV2在LaSOT和TNL2k等多个基准测试中表现优异,分别达到70.6%和57.4%的AUC,同时在GPU上保持165fps的推理速度。值得注意的是,MixFormerV2-S是首个在CPU上实现实时运行的基于Transformer的单流跟踪器。
MindVideo - 大脑活动视频重建技术取得重大突破
GithubMinD-VideofMRI开源项目神经科学脑活动视频重建
MinD-Video是一种从大脑记录重建高质量视频的新型框架。该技术利用掩蔽大脑建模、多模态对比学习和增强稳定扩散模型,从fMRI数据中学习时空信息。MinD-Video可重建任意帧率的视频,在语义分类任务中准确率达85%,结构相似性指数达0.19,较先前技术提升45%。这项研究在NeurIPS 2023获得口头报告资格,为理解人类认知过程提供了新的途径。
xtreme1 - 开源多模态训练数据平台,专注于数据标注、管理和本体管理,支持计算机视觉和大模型项目
AI驱动工具GithubXtreme1多模式训练数据开源项目数据标注计算机视觉
Xtreme1是一款开源多模态训练数据平台,专注于数据标注、管理和本体管理,支持计算机视觉和大模型项目。凭借AI驱动工具,高效进行2D/3D物体检测、分割及LiDAR-摄像头融合,提升效率。平台具有强大的数据管理和质量监控功能,并提供模型结果可视化,辅助模型评估。Xtreme1云端版本长期免费,安装方便,兼容多种操作系统和硬件。
mmyolo - YOLO算法与实时对象识别工具包
GithubMMYOLOOpenMMLabYOLO系列算法实例分割开源项目目标检测
MMYOLO是一个基于PyTorch和MMDetection的开源工具包,专注于YOLO系列算法,适用于对象检测和旋转对象检测任务。该项目提供统一的基准测试、详细文档和模块化设计,便于用户构建和扩展模型。支持YOLOv5实例分割和YOLOX-Pose等功能,显著提升训练速度,并在RTMDet模型上实现了先进的性能。
video-subtitle-extractor - 多语言视频字幕批量提取工具,支持GPU加速和多种提取模式
GPU加速GithubOCR识别Video-subtitle-extractor字幕提取开源项目批量提取
Video-subtitle-extractor是一款高效的视频字幕提取工具,可以将视频中的硬字幕提取为外挂字幕文件(srt格式)。支持批量处理、多语言字幕提取和水印去除,适用于Windows、macOS和Linux系统。用户可选择快速、自动或精准模式,使用GPU加速提高提取速度和准确度。本地OCR识别无需连接在线服务,适合对字幕提取有高要求的用户。
BackgroundMattingV2 - 实时高分辨率背景抠图技术的创新突破
Github实时处理开源项目深度学习背景抠图计算机视觉高分辨率
该项目开发了实时高分辨率背景抠图技术,通过额外背景图像实现高质量抠图。研究展示了创新的神经网络架构,并提供新数据集。成果获CVPR 2021最佳学生论文荣誉提名,推动视频处理和图像编辑技术发展。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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