VNext

高级视频实例分割框架，支持在线和离线模式

VNext 视频实例分割 InstMove IDOL SeqFormer Github 开源项目

VNext是一个基于Detectron2的视频实例识别框架，提供先进的在线和离线实例分割算法及对象中心的视频分割运动模型。用户可参考官方教程进行安装、训练和评估。最新算法InstMove、IDOL和SeqFormer在国际会议上获得认可并取得优异成绩。

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。

VideoProcessingFramework - GPU加速视频处理框架提供编解码和格式转换功能

GPU加速GithubNVIDIAPyNvVideoCodecVideoProcessingFramework开源项目视频处理

VideoProcessingFramework是一个开源的视频处理框架，由C++库和Python绑定组成。它利用GPU硬件加速实现高效的视频解码、编码、转码以及色彩空间和像素格式转换。该框架支持将GPU内存中的视频帧直接导出为PyTorch张量，避免了额外的数据传输。适用于Linux和Windows平台，依赖NVIDIA驱动、CUDA和FFMPEG。目前正逐步被功能类似但API更简洁的PyNvVideoCodec库取代。

NextLevel - iOS高级相机开发框架支持多样化媒体捕捉和处理

GithubNextLevelSwiftiOS相机系统图像处理开源项目视频录制

NextLevel是一款基于Swift的iOS相机开发框架，具备媒体捕捉和图像处理能力。该框架支持视频剪辑录制编辑、照片捕捉、ARKit集成、多镜头支持、帧率调节和深度数据捕捉等功能。NextLevel提供可扩展API，便于开发者实现图像处理和计算机视觉应用，适合构建各类高级相机应用程序。

nxtp - 基于下一标记预测的创新物体识别技术

AI视觉GithubObject Recognition开源项目深度学习自然语言处理计算机视觉

nxtp项目开发了一种创新的物体识别方法，将任务转化为下一标记预测。该技术利用语言模型嵌入扩展预测空间，实现开放式标签生成。通过自回归处理和高效采样，nxtp可进行大规模标签预测，如生成前100个最可能的标签。这一方法无需预定义标签集，为计算机视觉领域的物体识别提供了更灵活的解决方案。

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。

VoxFormer - 基于稀疏体素变换器的相机驱动3D语义场景补全方法

3D语义场景补全CVPRGithubVoxFormer开源项目计算机视觉语义分割

VoxFormer是一种基于Transformer的创新框架，仅通过2D图像即可生成完整的3D语义体素。它采用两阶段设计：先从深度估计生成可见占据体素查询，再通过密集化阶段生成完整3D体素。在SemanticKITTI数据集上，VoxFormer在几何和语义方面分别提升了20.0%和18.1%，同时将训练所需GPU内存减少约45%。这为相机驱动的3D语义场景补全任务提供了一个强有力的基线。

FAST-VQA-and-FasterVQA - 开源高效视频质量评估框架

FAST-VQAFasterVQAGithub开源项目机器学习深度学习视频质量评估

FAST-VQA和FasterVQA是端到端视频质量评估的开源工具箱,提供高效的评估模型。FasterVQA作为FAST-VQA的改进版,在保持相似性能的同时速度提升4倍。这些模型在多个数据集上达到最先进水平。项目采用模块化架构,支持灵活的空间和时间采样方法及多种网络结构。研究者可进行模型训练、测试,并在小型数据集上微调。

videocomposer - 灵活可控的视频合成与运动模式生成工具

AI生成GithubVideoComposer动作控制开源项目扩散模型视频合成

VideoComposer是一个开源的视频合成模型，能够同时控制生成视频的空间和时间特征。它支持文本、草图、参考视频等多种输入形式，为用户提供灵活的创作方式。项目包含预训练模型和用户界面，便于研究人员和开发者进行视频合成实验。

MedNeXt - 基于ConvNeXt的3D医学图像分割神经网络架构

3D医学图像分割ConvNeXt架构GithubMedNeXtnnUNet开源项目深度学习

MedNeXt是一种基于ConvNeXt设计的神经网络架构，专门用于3D医学图像分割。它针对稀疏标注的医学数据集进行了优化，提供灵活的使用方式。该项目包含完整模型和独立模块，可集成到其他流程中。MedNeXt基于nnUNet框架，支持梯度检查点等功能，适用于低内存设备训练大型模型。项目还提供了多种预定义架构大小和内核尺寸的选项。

StableVideo - 通过文本驱动实现一致性扩散的视频编辑技术

GithubHuggingFaceStableVideodiffusion开源项目文本驱动视频编辑

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