Stability AI近日推出了基于Stable Video的新技术——Stable Video 3D。该技术能够通过单一图片生成3D模型，其性能超越了Stable Zero 123及其他现有方法。目前，Stable Video 3D的权重数据已经对外提供，旨在支持研究...

该项目提出了一种改善大型视觉语言模型（例如LLaVA-1.5、QwenVL-Chat和Video-LLaVA）效率的方法，解决了“低效的注意力”问题。使用FastV这种新方法，通过修剪视觉令牌和学习自适应注意力模式来优化这些模型，从而显著...

VideoMamba是一种解决视频理解复杂性的解决方案，它通过高效地管理本地冗余和全局依赖性来实现。该项目的创建者宣布，他们已经将代码和模型全部发布到GitHub上供公众使用。这个开源项目将提高人工智能在视频理解上的...

VideoElevator引入了一种新的方法，通过利用文本到图像模型的优势来增强文本到视频扩散模型。这种即插即用的方法将增强过程分为了调整时间运动和提升空间质量两个部分，从而产生了帧质量和文本对齐得到了提高的视频...

Daytona是一种开发环境管理器，可使用单个命令在任何基础设施上设置开发环境。 Daytona自动化整个过程。它具有配置文件支持、IDE支持、Git提供程序集成、多项目工作区、反向代理集成等功能。

近日，一种新的Temporal Dilated Video Transformer (TDViT)技术被发布，旨在提高稠密视频任务的分析能力，如逐帧视频对象检测。该技术采用多头自注意力机制，可进行多层次、多尺度的特征提取，同时利用空间和时间的...

HuggingFace Hub最近发布了全新的视频模型Sora，现在提供了30篇相关的论文。这些论文包括了从模型架构到训练技巧等方面的研究，为研究人员和开发者提供了很好的参考。此外，这些论文还包括了Sora model在计算机视觉...

近日，一种名为Video Annotator的框架已经在GitHub上发布。该框架通过将领域专家直接融入注释过程中，利用零样本学习和主动学习技术提高模型的精度和效率。这种注释方法不仅提高了模型的分类准确度，而且可以更好地...