Project Icon

XMem

长时视频对象分割的解决方案,基于人类多尺度记忆模型

XMem项目采用Atkinson-Shiffrin记忆模型,提供了一种全新的视频对象分割(VOS)方法。通过结合不同时间尺度的记忆单元,有效避免在处理长时视频时出现的计算和GPU内存问题。XMem可处理超过10000帧的视频,在有限GPU资源下仍保持高效,处理速度达每秒20帧,并附带简化版GUI。项目中还提供了详细的训练和推理指南,适用于实验和实际应用。

Memento - 开源Python应用实现电脑活动智能记录与回溯
GithubLLM对话Memento开源项目搜索功能时间回溯计算机行为记录
Memento是一款开源Python应用,灵感源自人类记忆机制,可自动记录电脑活动并支持时间回溯、搜索和AI对话。通过定期截图、视频压缩和OCR技术,结合SQLite和向量数据库,它高效存储和索引用户的数字足迹。Memento提供强大的搜索功能,并利用大型语言模型帮助用户快速检索历史信息,显著提高工作效率和个人知识管理水平。
CogVideo - 开源视频生成模型,支持高效单GPU推理
CogVideoXGithubICLR'23开源项目文本到视频视频生成
CogVideoX和CogVideo通过大规模预训练模型和3D因果VAE技术,实现高质量的文本到视频生成。CogVideoX-2B可在单个3090 GPU上进行推理,生成效果几乎无损。提供详尽的快速入门指南、模型结构介绍和使用案例。探索CogVideoX和CogVideo在Huggingface、WeChat、Discord等平台上的应用,获取更多技术细节和更新。
Segment-Everything-Everywhere-All-At-Once - 基于多模态提示的图像分割模型
GithubSEEM交互式分割图像处理多模态开源项目
SEEM是一种新型图像分割模型,支持多种交互方式如点击、框选、涂鸦、文本和音频提示。该模型可接受任意组合的提示输入,精确分割图像中的目标对象并赋予语义标签。SEEM采用统一架构,具备多模态交互、语义理解和泛化能力,为图像分割任务提供了灵活通用的解决方案。
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。
MIVisionX - AMD开源计算机视觉和机器智能开发工具包
AMDGithubMIVisionXOpenVX开源项目机器学习计算机视觉
MIVisionX是一套开源的计算机视觉和机器智能开发工具包。它包含优化的OpenVX实现、神经网络模型编译器和多种实用工具。支持ONNX和NNEF格式,可在嵌入式设备到高性能服务器等多种硬件平台上部署计算机视觉和机器学习应用。
Minimemo - 跨平台视频内容智能管理与摘要平台
AI工具内容生成多语言支持智能摘要视频整合平台跨平台存储
Minimemo是一个跨平台视频内容管理工具,支持从TikTok、Instagram和YouTube Shorts等社交媒体保存视频。系统自动生成视频标题、摘要、标签和转录文本,简化内容整理和检索。Minimemo支持99种语言,运用AI技术创建视频摘要。该平台集中存储各平台视频,提高内容管理效率,优化数字生活体验。
dreamscene4d - 从单目视频生成动态多目标3D场景的突破性技术
3D场景生成DreamScene4DGithub多目标跟踪开源项目视频处理计算机视觉
DreamScene4D是一种从单目视频生成动态多目标3D场景的开源技术。它采用3D高斯和形变优化方法,能处理不同长度的视频和多个目标。项目提供自动化和分阶段优化脚本,支持处理有遮挡和无遮挡的视频。DreamScene4D在复杂场景和长视频序列处理方面表现优异,为计算机视觉和图形学研究提供了新思路。
BackgroundMattingV2 - 实时高分辨率背景抠图技术的创新突破
Github实时处理开源项目深度学习背景抠图计算机视觉高分辨率
该项目开发了实时高分辨率背景抠图技术,通过额外背景图像实现高质量抠图。研究展示了创新的神经网络架构,并提供新数据集。成果获CVPR 2021最佳学生论文荣誉提名,推动视频处理和图像编辑技术发展。
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。
sam2-hiera-small - 下一代图像和视频可提示视觉分割技术
FAIRGithubHuggingfaceSAM 2图像分割开源项目模型视觉分割视频分割
SAM 2是FAIR推出的一款模型,专注于实现图像和视频的可提示视觉分割。官方代码库支持图像和视频预测任务,允许利用SAM2ImagePredictor生成图像遮罩,并使用SAM2VideoPredictor实现视频中遮罩的传播和处理。该模型在学术研究和工业应用中具有广泛功能。如需深入了解,可查阅相关论文和资源。
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