Project Icon

UPR-Net

创新的轻量级视频帧插值网络

UPR-Net是一种创新的统一金字塔递归网络,用于视频帧插值。该网络采用轻量级递归模块进行双向光流估计和中间帧合成,通过金字塔框架实现迭代细化。尽管参数量仅为1.7M,UPR-Net在多个基准测试中表现出色,特别是在大运动场景下效果显著。项目提供完整的模型训练、测试和评估实现,包括在Vimeo90K、UCF101、SNU-FILM和4K1000FPS等数据集上的评估结果。

CV-VAE - 兼容预训练模型的视频生成技术
CV-VAEGithubVAE兼容性开源项目潜在空间视频生成
CV-VAE是一种视频变分自编码器,专为潜在生成视频模型设计。它与预训练图像和视频模型(如SD 2.1和SVD)兼容,用于视频重建和生成。项目提供代码实现和预训练模型权重,支持视频重建和文本到视频转换。CV-VAE为视频生成技术研究提供了新的工具和方向。
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。
VideoGPT-plus - 双编码器融合提升视频理解能力
GithubVideoGPT+人工智能多模态模型开源项目视频对话视频理解
VideoGPT+是一个创新的视频对话模型,通过集成图像和视频编码器,实现了更精细的空间理解和全局时间上下文分析。模型采用自适应池化技术处理双编码器特征,大幅提升了视频基准测试性能。项目同时推出VCG+ 112K数据集和VCGBench-Diverse基准,为视频对话任务提供全面评估。VideoGPT+在空间理解、推理和视频问答等多项任务中表现优异。
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。
multidiffusion-upscaler-for-automatic1111 - 生成与图像放大技术,适用于低显存环境
ControlNetDemofusionGithubTiled DiffusionVAEsd-webui开源项目
通过瓦片扩散与VAE技术,该扩展支持在有限显存条件下生成或放大超大图像(≥2K)。主要功能包括瓦片VAE、瓦片扩散、区域提示控制和噪声反演,并兼容ControlNet、StableSR和SDXL等高级功能。项目免费开放使用和修改,自2023.3.28起代码不得用于商业贩售。访问wiki页面获取更多详细文档和教程。
FasterLivePortrait - 高效实时AI人像动画生成框架
AI换脸FasterLivePortraitGithubONNXTensorRT实时渲染开源项目
FasterLivePortrait是一个高效的实时AI人像动画生成框架。基于TensorRT优化,在RTX 3090 GPU上可实现30+ FPS的速度。支持ONNX模型转换,便于跨平台部署。主要特性包括原生gradio应用支持、多人脸同时推理和动物模型。项目提供Docker环境,支持Windows一键运行,并兼容macOS系统。该框架为开发者提供了灵活高效的实时人像动画生成功能。
FreeInit - 改进视频生成一致性的方法,无需额外训练
FreeInitGithub开源项目无监督学习时序一致性视频扩散模型视频生成
FreeInit改进了视频扩散模型的一致性,通过简单的频率滤波器实现噪声重初始化,无需额外训练。已集成至Diffusers和ComfyUI-AnimateDiff-Evolved,可在Hugging Face上体验在线demo。项目代码和示例脚本方便研究人员应用。
HorNet - 基于递归门控卷积的高效视觉骨干网络
GithubHorNetImageNetPyTorchRecursive Gated Convolution开源项目高阶空间交互
HorNet是一个基于递归门控卷积的视觉骨干网络家族,专注于高效的高阶空间交互。项目提供了多个在ImageNet数据集上训练和评估的模型,如HorNet-T、HorNet-S和HorNet-B,广泛应用于图像分类和点云理解等领域。项目页面提供详细的训练和评估说明及模型下载链接。HorNet在提升图像和3D对象分类精度方面表现优异,是计算机视觉研究中的重要工具。
UniPC - 统一预测校正框架加速扩散模型采样
GithubUniPC图像生成开源项目快速采样扩散模型预测器-校正器框架
UniPC是一个无需训练的扩散模型快速采样框架。它由统一分析形式的校正器UniC和预测器UniP组成,支持任意阶数,适用于像素空间和潜在空间的DPM。UniPC通过提高精度阶数,在5-10步内显著提升采样质量和收敛速度。该框架已成功集成到stable-diffusion-webui和Diffusers等开源项目中,展现了其在AI生成领域的广泛应用潜力。
trt_yolo_video_pipeline - 基于TensorRT的多路视频分析处理框架
GithubTensorRT多路并发开源项目目标检测硬件编解码视频分析
TRT-VideoPipeline是一个基于TensorRT的多路视频分析处理框架。该项目支持YOLO系列模型推理,实现单模型多显卡多实例负载调度,并利用GPU进行数据处理。框架支持NVIDIA硬件编解码,可处理RTSP、RTMP、MP4等多种视频格式。其模块化设计便于功能节点的灵活组合,适应不同应用场景。
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