VNext

高级视频实例分割框架，支持在线和离线模式

VNext 视频实例分割 InstMove IDOL SeqFormer Github 开源项目

VNext是一个基于Detectron2的视频实例识别框架，提供先进的在线和离线实例分割算法及对象中心的视频分割运动模型。用户可参考官方教程进行安装、训练和评估。最新算法InstMove、IDOL和SeqFormer在国际会议上获得认可并取得优异成绩。

CVPR2023-DMVFN - 动态多尺度体素流网络在视频预测领域的应用

CVPR2023GithubSOTA模型动态多尺度体素流网络开源项目数据集视频预测

本项目介绍了一种在视频预测领域的新模型——动态多尺度体素流网络。该模型由CVPR2023收录并成为亮点，通过对Cityscapes、KITTI及DAVIS等多个数据集的训练和测试，展示了其在视频预测中的表现。项目页面包括详细的安装、数据准备、训练和测试步骤，并提供丰富的可视化结果和资源链接，支持预训练模型的下载以便实际应用。

D-FINE - 精细化分布优化在实时物体检测中的应用

D-FINEDETRFine-grained Distribution RefinementGithub对象检测开源项目自蒸馏

D-FINE是一款实时物体检测工具，通过重新定义DETRs中的边框回归任务为精细化分布优化（FDR）以及引入全局最优定位自蒸馏（GO-LSD），在不增加推理和训练成本的情况下，提升了检测性能。它在复杂街道场景下具有出色的定位能力，对于逆光、运动模糊和密集人群等挑战表现优异。最新版本增强了预训练模型的性能并提供了自定义数据集微调和输入尺寸调整的配置。

VideoTetris - 创新视频生成技术实现复杂语义精确组合

GithubVideoTetris开源项目文本到视频生成时空组合扩散组合式生成长视频生成

VideoTetris是一个视频生成框架，采用时空组合扩散技术实现复杂文本语义的精确表达。通过操控去噪网络的注意力图，在空间和时间维度上控制视频生成。项目提出了视频数据预处理方法，提升了训练数据的动态性和提示理解能力。VideoTetris可生成10秒至2分钟或更长的视频，为复杂场景视频生成提供了新方案。

MindVideo - 大脑活动视频重建技术取得重大突破

GithubMinD-VideofMRI开源项目神经科学脑活动视频重建

MinD-Video是一种从大脑记录重建高质量视频的新型框架。该技术利用掩蔽大脑建模、多模态对比学习和增强稳定扩散模型，从fMRI数据中学习时空信息。MinD-Video可重建任意帧率的视频，在语义分类任务中准确率达85%，结构相似性指数达0.19，较先前技术提升45%。这项研究在NeurIPS 2023获得口头报告资格，为理解人类认知过程提供了新的途径。

AdelaiDet - 多任务实例级识别开源工具包

AdelaiDetGithub实例分割开源项目深度学习目标检测计算机视觉

AdelaiDet是基于Detectron2的开源工具包,实现了FCOS、BlendMask、MEInst、ABCNet等多种实例级识别算法。它为目标检测、实例分割、场景文本识别等任务提供高性能解决方案,包含预训练模型和训练接口,便于研究和开发。

StreamingT2V - 先进的长视频生成技术实现连贯动态和可扩展内容

GithubStreamingT2V一致性动态视频开源项目文本到视频长视频生成

StreamingT2V是一种创新的自回归技术，专门用于生成长时间、连贯一致的视频内容。该技术无需分段处理即可创建动态丰富的视频，确保了时间上的连贯性，同时保持与文本描述的高度契合和单帧图像的优质表现。目前已实现生成1200帧（约2分钟）的视频，并具有进一步延长的潜力。值得注意的是，StreamingT2V的性能不局限于特定的文本到视频模型，这意味着随着基础模型的进步，视频质量有望进一步提升。

llama3-llava-next-8b-hf - LLaVA-NeXT：Llama 3驱动的多模态AI模型

GithubHuggingfaceLLaVA-NeXT图像处理多模态开源项目模型深度学习自然语言处理

LLaVA-NeXT是一个基于Llama 3的多模态AI模型，整合了预训练语言模型和视觉编码器。通过高质量数据混合和强化语言骨干网络，该模型在图像描述、视觉问答和多模态对话等任务中表现出色。LLaVA-NeXT支持Python接口，并提供4位量化和Flash Attention 2优化，以提升性能和效率。作为开源项目，LLaVA-NeXT为研究人员和开发者提供了探索多模态AI的有力工具。

MeViS - 基于运动表达的大规模视频目标分割数据集

GithubMeViS基准测试开源项目数据集视频分割运动表达

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。

viseron - 本地自托管NVR和AI计算机视觉软件

DockerGithubViseron对象检测开源项目运动检测面部识别

Viseron是一款本地自托管的NVR和AI计算机视觉软件，提供物体检测、运动检测和人脸识别等功能，适用于家庭、办公室等场所的监控。用户只需运行Docker容器并通过内置Web界面编辑配置文件即可轻松上手。项目支持多种组件，并欢迎社区贡献。

yolov5-deepsort-tensorrt - 基于YOLOv5和DeepSORT的Jetson设备目标跟踪系统

DeepSortGithubJetsonTensorRTYolov5开源项目目标跟踪

这个项目是YOLOv5和DeepSORT算法在Jetson设备上的C++实现，针对Jetson Xavier NX和Jetson Nano进行了优化。系统能够高效跟踪多个人头目标，在Jetson Xavier NX上处理70多个目标时可达到10 FPS。项目包含环境配置、模型生成和运行指南，支持自定义模型，并提供了不同YOLOv5版本的兼容性说明。适合需要在边缘设备上进行高性能目标跟踪的应用场景。

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