Project Icon

trt_yolo_video_pipeline

基于TensorRT的多路视频分析处理框架

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。

FasterTransformer - 基于NVIDIA平台的高性能Transformer编解码器实现与调优
BERTFasterTransformerGPTGithubNVIDIATensorRT-LLM开源项目
FasterTransformer不仅支持多框架集成,还针对NVIDIA新一代GPU优化了编解码性能,极大提升了操作效率和处理速度。包含模型支持、性能对比及API演示的详细文档,有助于用户深入了解并有效使用FasterTransformer。
deepstream_python_apps - 为NVIDIA DeepStream SDK提供Python绑定和丰富的示例应用
AI应用DeepStream SDKGithubNVIDIAPython绑定开源项目视频分析
这个开源项目为NVIDIA DeepStream SDK提供Python绑定和丰富的示例应用。它支持构建视频分析流水线,包括对象检测、跟踪和分割等功能。开发者可通过Python接口访问DeepStream的元数据结构,实现高效视频处理。项目提供了从基础到高级的多种示例应用,涵盖不同场景,为开发人员提供了实用的参考资源。
webcamGPT - 实时视频流分析工具,基于OpenAI视觉API
API密钥GithubOpenAI vision APIwebcamGPT图像识别开源项目视频流聊天
webcamGPT是一个基于OpenAI视觉API的开源工具集,用于实时分析图像、视频文件和网络摄像头流。该项目提供简便的安装方法和API密钥配置指南,便于开发者快速集成。尽管仍处于开发阶段,webcamGPT已展示出在视频流智能分析方面的潜力,为计算机视觉应用开辟了新的可能性。
magvit2-pytorch - MagViT2视频生成和理解模型的PyTorch开源实现
AI模型GithubMagViT2Pytorch实现开源项目视频生成语言模型
MagViT2是基于语言模型的最新视频生成和理解技术。该PyTorch实现提供高效视频标记器和训练器,支持大规模数据集。项目包含无查找量化器,适用于多种模态。灵活架构设计允许自定义层和注意力机制,为研究人员提供探索和改进视频生成技术的工具。
yolos-small - 基于Vision Transformer的高效物体检测模型
COCO数据集GithubHuggingfaceYOLOS图像识别开源项目模型目标检测视觉模型
YOLOS是一种基于Vision Transformer的物体检测模型,在COCO 2017数据集上进行了微调。该模型采用DETR损失函数训练,使用双向匹配损失和匈牙利算法优化参数。YOLOS-small版本在COCO验证集上达到36.1 AP的性能,而基础版本可达到与DETR相当的42 AP。YOLOS为计算机视觉领域提供了一种简单高效的物体检测方案,适用于多种目标检测场景。
Live2Diff - 革新视频扩散模型的实时流翻译技术
AI模型GithubLive2Diff实时流处理开源项目扩散模型视频翻译
Live2Diff是一款基于视频扩散模型的实时流翻译工具。该项目采用单向时间注意力机制,结合多时间步KV缓存和深度先验技术,实现高效的视频处理。支持DreamBooth和LoRA风格迁移,并通过TensorRT优化性能。在512x512分辨率下,处理速度可达16.43 FPS,为实时视频翻译领域提供了新的技术方案。
YoloDotNet - 基于C#的Yolov8和Yolov10实时目标检测库
GithubYoloDotNet图像处理对象检测开源项目性能优化深度学习
YoloDotNet是基于.NET 8的C#库,支持Yolov8和Yolov10模型进行实时目标检测。该库集成ML.NET和ONNX运行时,并支持CUDA GPU加速,提供分类、目标检测、OBB检测、分割和姿态估计等功能。YoloDotNet在CPU和GPU上均可高效运行,适用于各种计算机视觉应用场景。
YOLO-Patch-Based-Inference - 补丁式推理优化小物体检测和实例分割
GithubYOLO实例分割开源项目深度学习目标检测计算机视觉
这个Python库实现了基于补丁的推理方法,用于改进小物体检测和实例分割。它支持多种Ultralytics模型,包括YOLOv8/v9/v10、FastSAM和RTDETR,可用于对象检测和实例分割任务。库提供了推理结果可视化功能,并通过优化的补丁处理和结果合并提高了小物体检测准确性。项目还包含交互式笔记本和教程,方便用户学习和使用。
CogVideoX-5b-I2V - 开源图像到视频生成模型支持多种精度和量化推理
AI模型CogVideoXGithubHuggingface图像到视频开源项目模型深度学习视频生成
CogVideoX-5b-I2V是一个开源的图像到视频生成模型,参数规模为5B。该模型可生成6秒长、8帧/秒、720x480分辨率的视频,支持多种精度和量化推理。通过diffusers库可快速部署,单GPU运行时内存占用较低。模型提供量化推理功能,适用于小内存GPU,并可通过torch.compile加速。
Video-LLaVA - 视频多模态模型,具备像素级定位能力
GithubLMMPG-Video-LLaVA像素级别定锚开源项目视频理解音频上下文
PG-Video-LLaVA通过模块化设计,首次实现视频多模态模型具备像素级定位能力。该框架使用现成的追踪器和创新的定位模块,能够根据用户指令在视频中实现空间定位。引入新的基准测试用于评估基于提示的对象定位性能,并结合音频上下文完善视频内容理解,提高在对话和新闻视频等场景中的适用性。改进的定量基准测试确保更高的透明度和可重复性。
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