Video Compression 相关的热门 GitHub AI项目仓库

只需一张照片，即可实时换脸，一键生成深度伪造视频

DeepSpeed是一个深度学习优化库，它使分布式训练和推理变得轻松、高效且有效。

Real-ESRGAN的目标是开发用于通用图像/视频修复的实用算法。

适用于直播和流媒体的跨平台、可定制机器学习解决方案

Diffusers：一个基于PyTorch和FLAX的库，包含最先进的扩散模型，用于图像、视频和音频生成。

MiniCPM-V 4.5: A GPT-4o Level MLLM for Single Image, Multi Image and Video Understanding on Your Phone

用于真实世界模糊运动的模糊插值Transformer（CVPR 2023）

一个基于机器学习的视频超分辨率和帧插值框架，创作于2018年黑客谷II活动期间。

稳定的扩散模型 WebUI 协作平台

视频、图片和GIF的超分辨率放大（超清重建）以及视频帧率插值。技术基于Waifu2x、Real-ESRGAN、Real-CUGAN、RTX Video Super Resolution VSR、SRMD、RealSR、Anime4K、RIFE、IFRNet、CAIN、DAIN和ACNet等算法。

把视频从一种语言翻译成另一种语言，并配上配音。这个过程包括语音识别转录、语音合成和字幕翻译。

只需一键，AI就能自动完成Netflix级别的视频字幕制作，包括分割、翻译、校对和配音等所有步骤，就像一个全自动的字幕团队。

使用CVAT，业界领先的机器学习数据引擎，提升标注效率。无论团队规模大小，无论数据量多少，都能信赖CVAT。

一个开源的AutoML工具包，用于自动化机器学习生命周期，包括特征工程、神经网络架构搜索、模型压缩和超参数调整。

一个简单易用、功能强大的自然语言处理 (NLP) 和大型语言模型 (LLM) 库，拥有强大的模型库，支持从研究到工业应用的各种 NLP 任务，包括文本分类、神经搜索、问答、信息抽取、文档智能、情感分析等。

文本和图像到视频生成：CogVideoX（2024）和CogVideo（ICLR 2023）

Video-based AI memory library. Store millions of text chunks in MP4 files with lightning-fast semantic search. No database needed.

CVPR 2024录用（口头报告）InternVL家族：GPT-4o的开创性开源替代方案，性能逼近GPT-4o的多模态对话模型

一个易于使用的图像分割库，拥有强大的预训练模型库，支持语义分割、交互式分割、全景分割、图像抠图、3D分割等多种实际应用任务。

这款视频翻译配音工具基于强大的AI大模型，提供专业级的翻译服务，一键即可完成所有流程。它生成的视频内容，能够完美适配抖音、小红书、哔哩哔哩、视频号、TikTok和YouTube Shorts等各种平台。