Project Icon

MeViS

基于运动表达的大规模视频目标分割数据集

MeViS是一个专注于运动表达引导目标分割的大规模视频数据集。它包含2,006个视频和28,570个描述性句子,为开发利用运动表达进行复杂视频场景分割的算法提供了平台。该数据集突出了运动在语言引导视频目标分割中的重要性,为相关研究提供了新的基准。

MVDet - 基于特征透视变换的多视角行人检测系统
GithubMVDetMultiviewX数据集多视角检测开源项目特征透视变换行人检测
MVDet是一个开源的多视角行人检测系统,采用特征透视变换技术提高检测精度。项目包含自主开发的合成数据集MultiviewX,为相关研究提供数据支持。在Wildtrack数据集上,MVDet达到88.2%的MODA。项目开放源代码和预训练模型,便于研究人员进行深入研究。
ShareGPT4Video - 通过字幕提高视频理解和生成
AI模型GithubShareGPT4Video开源项目视频字幕视频理解视频生成
ShareGPT4Video项目通过应用高精度字幕显著提升视频理解与生成的效果。该项目提供功能强大的文本至视频模型,支持多种视频时长和分辨率,并设有两种优化效率与质量的推断模式。该项目的目标是通过高质量视频字幕数据集改善文本到视频的转换效果,从而提升大型视频语言模型的理解能力。
MuseV - 开源虚拟人视频生成框架支持无限长度输出
GithubMuseV并行降噪开源项目扩散模型无限长度虚拟人视频生成
MuseV是一个基于扩散模型的开源虚拟人视频生成框架。该框架支持无限长度视频生成,采用视觉条件并行去噪方案,兼容Stable Diffusion生态系统。MuseV支持图像到视频、文本到视频、视频到视频等多种生成模式,并提供多参考图像技术。该项目还开源了训练代码,为研究人员和开发者提供了完整的虚拟人视频生成解决方案。
DG-Mesh - 从单目视频重建高保真度时序一致网格的框架
3D重建DG-MeshGithub动态场景单目视频开源项目网格生成
DG-Mesh是一个从单目视频重建高保真度时序一致网格的框架。它能够重建高质量的表面、外观和跨时间帧的网格顶点运动,支持灵活的拓扑变化,并能处理鸟翼等细结构。项目包含多个数据集的训练和评估代码,以及自定义数据集支持。
MMStar - 大型视觉语言模型评估的新标准
GithubMMStar人工智能基准测试多模态评估开源项目视觉语言模型
MMStar是一个创新的多模态评估基准,包含1500个精选的视觉关键样本。它解决了现有评估中的视觉冗余和数据泄露问题,提高了多模态性能评估的准确性。MMStar涵盖6大核心能力和18个细分维度,每个核心能力均衡分配250个样本。项目提供评估工具、数据集和在线排行榜,为视觉语言模型研究指明新方向。
ScanNet - 包含2.5百万视图的RGB-D视频数据集及其3D重建
3D重建BundleFusionGithubRGB-D视频数据集ScanNet开源项目语义分割
ScanNet是一个丰富的RGB-D视频数据集,包含超过1500次扫描和2.5百万个视图,包括3D相机姿态、表面重建和实例级语义分割标签。用户需通过机构邮箱填写使用协议以下载数据。数据按RGB-D序列组织,包含多种格式的重建网格和注释文件。附带工具有ScanNet C++工具包、相机参数估计代码和网格分割代码。本数据集支持多项场景理解基准任务,并提供相关代码与文档。
MotionDirector - 自定义文本到视频模型的动作生成
AI视频生成GithubMotionDirector开源项目扩散模型文本到视频运动定制
MotionDirector是一款文本到视频扩散模型定制工具,可根据视频样本学习特定动作概念并应用于视频生成。该工具支持单个或多个参考视频,能准确捕捉动作特征,实现外观和动作的同步定制。此外,MotionDirector还具备图像动画和电影镜头效果功能,为AI视频创作提供更多可能性。
UniRef - 跨空间时间的统一视觉对象分割模型
GithubUniRef++参考对象分割开源项目深度学习目标分割视频对象分割
UniRef++是一个统一的视觉模型,可同时处理指代图像分割、少样本分割、指代视频对象分割和视频对象分割四种任务。其核心UniFusion模块能高效注入多种参考信息,不仅性能优异,还可作为SAM等基础模型的插件组件使用。该模型在多个benchmark上展现出色表现,体现了其在对象分割领域的通用性和扩展性。
gRefCOCO - 泛化指代表达分割的创新数据集与评估基准
GRECGRESGithubgRefCOCO开源项目指代表达分割视觉语言模型
gRefCOCO是一个面向泛化指代表达分割(GRES)任务的数据集,支持泛化指代表达理解(GREC)和泛化指代表达分割(GRES)两项主要任务。项目提供数据集下载、使用指南、评估指标代码和基于MDETR的训练推理示例,为计算机视觉研究提供了有力工具,推动了指代分割领域的进展。
siam-mot - 区域基的多目标追踪网络
CVPRGithubSiamMOT多目标跟踪开源项目深度学习运动模型
SiamMOT是一种基于区域的连体多目标追踪网络,通过在帧间估算对象实例的运动,实现目标检测和关联。项目展示了显式和隐式运动建模的重要性,显著提升了在MOT17、TAO-person和Caltech Roadside Pedestrians数据集上的性能,且在HiEve数据集上超越了ACM MM'20 HiEve Grand Challenge的获胜者。SiamMOT在单个现代GPU上以每秒17帧的速度运行,支持对人或人和车辆的联合追踪,并提供丰富的预训练模型供用户使用。
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

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。

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

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。

Project Cover

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。

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

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。

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