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。

VideoPipe - 跨平台的视频分析和结构化解决方案

GithubVideoPipe开源项目深度学习行为分析视频分析视频结构化

VideoPipe 是一个用 C++ 编写的开源视频分析和结构化框架，依赖少且易于上手。适用于视频结构化、图片搜索、人脸识别、交通和安防领域的行为分析。支持多种视频流协议和解码方式，集成深度学习和传统图像算法，具备目标检测、图像分类、特征提取等功能。插件化设计允许根据需求灵活组合，适用于多种平台，性能优良，广泛适用于各类应用场景。

VideoMamba - 突破性的视频理解状态空间模型

GithubVideoMamba多模态兼容性开源项目状态空间模型视频理解长期视频建模

VideoMamba是一种创新的视频理解模型，克服了现有技术的局限性。它能高效处理长视频和高分辨率内容，展现出可扩展性、短期动作识别敏感性、长期视频理解优势和多模态兼容性四大核心特点。VideoMamba为全面的视频理解任务提供了高效解决方案，推动了该领域的发展。

DIS - 高精度二值图像分割方法，优化模型与即将发布的V2.0数据集

DIS datasetDichotomous Image SegmentationECCV 2022GithubIS-NetU2-Net开源项目

简要介绍高精度二值图像分割（DIS）任务的新进展，包括ECCV 2022接受的论文、DIS5K数据集V1.0和即将发布的V2.0版本。DIS任务应用于3D建模、图像编辑、艺术设计、静态图像动画和增强现实等领域。目前发布的为学术版本模型，用户可通过链接下载预训练权重进行推理。优化模型和更全面的数据集即将发布，敬请关注。

DyCo3D - 动态卷积实现鲁棒3D点云实例分割

3D点云实例分割DyCo3dGithub动态卷积开源项目深度学习计算机视觉

DyCo3D提出了一种新型3D点云实例分割方法，采用动态卷积技术处理实例尺度变化问题。该方法结合大范围上下文信息和轻量级Transformer，在ScanNetV2和S3DIS数据集上取得领先结果，推理速度提升25%以上。DyCo3D简化了传统bottom-up方法的复杂流程，对超参数不敏感，为3D点云实例分割领域提供了高效且鲁棒的新方案。

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。

DVR-Scan - 开源视频运动事件检测工具

DVR-ScanGithub动作检测命令行工具开源软件开源项目视频分析

DVR-Scan是一款开源的视频分析工具，专门用于检测视频文件中的运动事件。它可识别视频中的运动区域，并将每个事件保存为独立视频片段。该工具支持多平台，包括Windows、Linux和Mac。DVR-Scan提供区域编辑器功能，允许用户选择特定扫描区域，还可绘制运动边界框。它通过pip简单安装，为安全摄像头录像分析提供了高效解决方案。

actionformer_release - 基于Transformer的高精度动作时刻定位模型

ActionFormerActivityNetGithubTHUMOS14Transformer开源项目时序动作定位

actionformer_release是一个基于Transformer的动作定位模型，能够检测动作实例的起止点并识别动作类别。在THUMOS14数据集上，该模型取得了71.0%的mAP，超越之前的最佳模型14.1个百分点，并首次突破60%的mAP。此外，该模型在ActivityNet 1.3和EPIC-Kitchens 100数据集上也取得了优异成绩。该项目设计简洁，通过局部自注意力机制对未剪辑视频进行时间上下文建模，并可一次性精确定位动作时刻。代码和预训练模型已开源，可供下载和试用。

ComfyUI-YoloWorld-EfficientSAM - YOLO-World + EfficientSAM for ComfyUI 的非官方实现，提供高效的对象检测与实例分割功能

ComfyUIEfficientSAMGithubYOLO-World实例分割对象检测开源项目

该项目非官方实现了YOLO-World和EfficientSAM，通过融合这两个模型，提供高效的对象检测与实例分割功能。版本V2.0新增了蒙版分离与提取功能，支持指定蒙版单独输出，可处理图像和视频。项目特点包括支持加载多种YOLO-World和EfficientSAM模型，提供检测框厚度、置信度阈值、IoU阈值等配置选项，以提升检测与分割的精准性。详细的视频演示和安装指南，使用户能够轻松上手，体验高效的图像处理能力。

video-diffusion-pytorch - 开源项目实现文本到视频生成新突破

GithubPytorchU-net开源项目文本到视频深度学习视频生成

video-diffusion-pytorch项目实现了基于扩散模型的文本到视频生成技术。该开源项目采用时空分解U-net结构，将2D图像生成扩展至3D视频领域。支持文本条件生成、BERT编码和批量训练等功能。目前在移动MNIST数据集上表现良好，为研究人员和开发者提供了探索视频生成新前沿的工具。该技术有望在复杂视频生成任务中取得进展。

mmaction2 - 开源视频理解工具箱MMAction2基于PyTorch实现

GithubMMAction2OpenMMLab开源项目模型库行动识别视频理解

MMAction2为基于PyTorch的开源视频理解工具箱，涵盖动作识别、动作定位、时空动作检测等多种任务。项目特点包括模块化设计、丰富的模型库以及详尽文档，支持灵活的自定义配置。

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