AVDC

从无动作视频学习行为的AI训练框架

AVDC是一个创新的AI训练框架，能够从无动作视频中学习行为策略。该项目支持Meta-World、iTHOR等多个环境，提供完整的代码库、预训练模型和详细文档。AVDC具有灵活的训练和推理功能，方便研究人员快速上手和复现实验结果，为计算机视觉和机器人学习领域带来新的可能性。

访问官网

文档

stable-video-diffusion-img2vid - AI模型将静态图像转换为动态短视频的创新技术

GithubHuggingfaceStable Video Diffusion人工智能图像到视频生成开源项目模型深度学习计算机视觉

Stable Video Diffusion Image-to-Video是一种先进的AI模型，可将静态图像转化为短视频。该模型利用潜在扩散技术，生成14帧、576x1024分辨率的视频片段。在视频质量方面表现出色，主要应用于生成模型研究和安全部署等领域。尽管存在视频时长短、可能缺乏动作等限制，但该模型为图像到视频转换技术带来了新的可能性。目前仅限于研究用途，不适用于生成事实性或真实性内容。

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。

MotionClone - 从参考视频克隆动作实现可控文本到视频生成

AI控制GithubMotionClone动作克隆开源项目文本到视频视频生成

MotionClone是一个无需训练的框架，通过从参考视频克隆动作来控制文本到视频的生成。该项目采用时间注意力机制和位置感知语义引导，有效处理微妙动作并提升生成模型的提示理解能力。MotionClone为视频创作和研究提供了全面的动作和语义指导工具，推动了可控视频生成技术的发展。

InternVideo - 视频基础模型助力多模态理解进展

GithubInternVideo多模态理解开源项目模型更新视频基础模型视频文本数据集

InternVideo项目致力于开发通用视频基础模型，提升多模态视频理解能力。项目包含InternVideo和InternVideo2两个主要版本，以及大规模视频-文本数据集InternVid。InternVideo2采用生成式和判别式学习方法，在多模态视频理解任务中表现突出。项目不断更新，提供多种规模的模型和丰富的视频注释数据，为研究和开发提供有力支持。

MVision - 前沿机器视觉与智能算法技术集合

GithubSLAM技术开源项目无人驾驶机器视觉深度学习计算机视觉

MVision专注于探索机器视觉与人工智能的前沿研究和应用。该平台涵盖自然语言处理、深度学习和计算机视觉课程等多个方面，提供如ICDM、NIPS等重要会议的资源链接和最新机器学习研究文献。同时，MVision也关注无人驾驶、动态物体检测等实际应用领域，致力于提供全面的学习和实践资源，以推动技术进步和行业发展。

dolphin - 通用视频互动平台，基于大型语言模型的视频理解、处理与生成

DolphinGithub大型语言模型开源项目视频处理视频理解视频生成

Dolphin是一个基于大型语言模型的通用视频互动平台，专注于视频理解、处理和生成。该平台支持视频问答、视频剪辑、字幕添加、音频提取及生成等功能，旨在提升视频处理的智能化水平。用户可通过文本生成视频、姿态到视频转换及视频图像转换等多种方式进行创作。项目持续更新，欢迎社区贡献和拉取请求，适用于北航和南洋理工大学的科研项目。

depthai - 深度学习与视频录制的多功能演示应用

DepthAIDockerGithubLuxonisPython依赖安装开源项目

这个项目提供了一个多功能的深度学习API演示程序，支持加载多种神经网络、创建管道和录制视频等功能。附有详细的安装指南和多种使用案例（包括QT GUI界面和命令行模式），用户能够轻松上手和测试DepthAI的功能。项目还支持多种AI模型，并可通过Docker运行，适用于开发者和机器学习爱好者。

video_features - 多模态视频特征提取框架支持多种深度学习模型

GitHub项目Github多模态分析开源项目深度学习模型视频特征提取计算机视觉

video_features是一个开源的视频特征提取框架，支持视觉、音频和光流等多种模态。该框架集成了S3D、R(2+1)d、I3D-Net等动作识别模型，VGGish声音识别模型，以及RAFT光流提取模型。它支持多GPU和多节点并行处理，可通过命令行或Colab快速使用。输出格式灵活，适用于视频分析相关的研究和应用。

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。

AVideo - 视频流媒体平台提供全面管理和多元盈利功能

AVideoGithub内容创作内容货币化开源项目直播视频流平台

AVideo是一个多功能视频流媒体平台，为内容创作者、企业和开发者提供综合解决方案。平台具备视频播放和管理功能，支持订阅和按次付费等盈利模式。用户可进行直播互动、创建频道和播放列表，以及内容重新广播。AVideo还提供广告投放、第三方应用集成和远程存储等功能，同时注重视频保护和离线观看。该平台由Streamer、Encoder和Live Server三个核心组件构成，提供全面的视频内容托管、管理和扩展服务。

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。

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能，包括文生视频、动态画面和形象生成等，帮助用户快速上手，创造专业级内容。

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。

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台，用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品，帮助用户探索创意灵感。

讯飞文书

讯飞文书依托讯飞星火大模型，为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能，满足事务性工作的高频需求，帮助撰稿人节省精力，提高效率，优化工作与生活。

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。

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