mae_st

掩码自编码器在时空学习和视频重建中的应用

Masked Autoencoders 时空学习 PyTorch实现视频处理预训练模型 Github 开源项目

mae_st项目是一个基于PyTorch实现的掩码自编码器时空学习框架。该项目提供预训练模型、微调和测试代码，支持在Kinetics数据集上进行训练和评估。项目特色包括交互式可视化演示，展示不同掩码率下的MAE输出效果。研究人员可借助此工具开展视频理解和重建相关研究，深入探索时空学习领域。

Github

论文

介绍相关项目

videomae-base - 基于掩码自编码器的视频自监督预训练模型

GithubHuggingfaceVideoMAE开源项目模型自监督学习视觉Transformer视频处理预训练模型

VideoMAE是一种基于掩码自编码器的视频自监督预训练模型。该模型在Kinetics-400数据集上经过1600轮预训练，采用Vision Transformer架构处理固定大小的视频图像块。VideoMAE不仅可预测被遮挡的视频片段，还能通过微调应用于下游任务。作为视频理解领域的重要进展，它为视频分类等任务提供了强大的特征提取能力。

videomae-large - 视频自监督学习的高效模型

GithubHuggingfaceVideoMAE开源项目模型自监督视频分类视频预训练

VideoMAE大型模型在Kinetics-400数据集上进行自监督预训练，采用掩码自编码器方法，有效学习视频的内在表示。利用视觉Transformer架构，通过将视频划分为固定大小的图像块，结合线性嵌入和位置编码，进行深度分析和像素预测，适用于多种后续任务和特征提取，包括视频分类和处理。

vit-mae-large - MAE预训练的大型Vision Transformer模型

GithubHuggingfaceVision Transformer图像处理开源项目机器学习模型自编码器预训练模型

这是一个使用MAE方法预训练的大型Vision Transformer模型。通过随机遮挡75%的图像块进行自监督学习,该模型有效学习图像的内部表示。它可用于图像分类等下游视觉任务,采用masked autoencoder架构进行预训练。该模型由Facebook Research团队开发,基于ImageNet-1K数据集训练,适用于各种计算机视觉应用。

videomae-base-finetuned-kinetics - VideoMAE模型基于自监督学习实现Kinetics-400数据集80.9%分类准确率

GithubHuggingfaceVideoMAE开源项目模型神经网络自监督学习视频分类计算机视觉

VideoMAE是一个基于MAE架构的视频分析模型，采用Vision Transformer结构。经过1600轮自监督预训练和有监督微调，该模型在Kinetics-400数据集上实现了80.9%的top-1准确率和94.7%的top-5准确率。模型将视频切分为16x16的图像块进行处理，支持400种视频类别的分类任务，可应用于视频内容分析和行为识别等领域。

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。

vit-mae-base - MAE预训练Vision Transformer模型的图像处理能力

GithubHuggingfaceVision Transformer图像分类开源项目模型深度学习计算机视觉预训练模型

Vision Transformer (ViT)模型采用MAE方法预训练，通过随机遮蔽75%图像块实现自监督学习。该模型能有效捕捉图像内在表示，适用于图像分类等多种计算机视觉任务。研究人员可利用其预训练编码器提取特征或进行微调，以满足特定应用需求。

sd-vae-ft-mse - 改进稳定扩散自编码器提升图像重建效果

GithubHuggingfaceStable Diffusion图像生成开源项目模型模型微调深度学习自动编码器

sd-vae-ft-mse是一款经过微调的稳定扩散自编码器，在LAION-Aesthetics和LAION-Humans数据集上训练。该模型旨在提高图像重建质量，尤其是人脸细节。相比原始模型，它在PSNR和SSIM等指标上有明显提升，能够生成更平滑的图像。该模型可作为VAE组件轻松集成到现有的diffusers工作流中，用于稳定扩散图像生成。

make-a-video-pytorch - 基于 PyTorch 的最新文本到视频生成器

3D卷积GithubMake-A-VideoMeta AIPytorch开源项目时序注意力

此项目实现了 Meta AI 的 Make-A-Video 在 PyTorch 下的版本，利用伪 3D 卷积和时序注意力技术，显著增强了视频的时序一致性。支持图像和视频帧的处理，并且可轻松适用于 DALL-E2 和 Imagen 等模型。项目提供了完整的安装和使用指南，并支持空间和时间一致性的 Unet 模型。

sd-vae-ft-ema - 稳定扩散变分自编码器的增强版模型

GithubHuggingfaceStable Diffusion图像重建开源项目扩散模型机器学习模型自动编码器

sd-vae-ft-ema是一个基于LAION-Aesthetics和LAION-Humans数据集训练的稳定扩散变分自编码器。该模型在图像重建质量尤其是人脸细节方面优于原始VAE，具有更好的rFID、PSNR和SSIM指标表现，可作为扩散器工作流中的即插即用组件。

taesd - 轻量级自动编码器：高速解码Stable Diffusion潜在空间

AI绘图GithubStable DiffusionTAESD开源项目潜在空间自动编码器

TAESD是一款小巧的自动编码器，采用与Stable Diffusion VAE相同的潜在API。它能高效地将Stable Diffusion潜在空间解码为全尺寸图像。TAESD兼容SD1/2、SDXL、SD3和FLUX.1等多种模型，已整合到主流AI绘画工具中。该工具适用于实时预览图像生成过程和替代官方VAE的场景。尽管在细节还原方面稍有欠缺，TAESD通过轻微的质量损失换取了显著的速度和便利性提升。

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