video-understanding

OpenMMLab의 차세대 비디오 이해 툴박스 및 벤치마크

텍스트, 이미지, 비디오, 오디오 작업을 아우르는 올인원 멀티모달 평가 툴킷

[CVPR2024 Highlight][VideoChatGPT] 비디오 이해 기능이 포함된 ChatGPT! miniGPT4, StableLM, MOSS 등 다양한 지원 언어 모델(LM) 포함.

GLM-4.6V/4.5V/4.1V-Thinking: 확장 가능한 강화 학습을 통한 다목적 멀티모달 추론 지향

[ECCV2024] 멀티모달 이해를 위한 비디오 파운데이션 모델 및 데이터

[ICCV 2019] 효율적인 비디오 이해를 위한 TSM: Temporal Shift Module

비디오 검색 및 요약(VSS)을 위한 NVIDIA AI Blueprint는 실시간 검증된 알림, 시각적 Q&A, 자동화된 보고 기능을 갖춘 비디오 분석 에이전트를 구축하기 위한 GPU 가속 레퍼런스 아키텍처입니다. VSS Blueprint는 NVIDIA Cosmos 같은 비전 언어 모델(VLM), NVIDIA Nemotron 같은 LLM, RAG 및 NVIDIA NIM을 사용합니다.

"VideoAgent: 비디오 이해, 편집 및 리메이크를 위한 올인원 에이전트 프레임워크"

PaddlePaddle 기반의 멋진 비디오 이해 툴킷. 비디오 데이터 주석 도구, 경량 RGB 및 스켈레톤 기반 행동 인식 모델, 비디오 태깅 및 스포츠 행동 감지를 위한 실용적인 애플리케이션을 지원합니다.

SALMONN 제품군: 고급 멀티모달 LLM 모음

이미지 및 비디오 이해, 생성, 편집을 위한 3B 활성 파라미터 네이티브 통합 멀티모달 모델

멋진 grounding: 비주얼 grounding 관련 연구 논문 큐레이션 목록

:fire: :fire: :fire: 최근 컴퓨터 비전(CV) 관련 논문 목록

[CVPR 2024 Highlight🔥] Chat-UniVi: 통합 시각 표현을 통해 대규모 언어 모델에 이미지 및 비디오 이해 능력 부여

[CVPR 2023] VideoMAE V2: 듀얼 마스킹을 통한 비디오 마스크드 오토인코더 확장

장영상 이해를 위한 Goldfish 모델 및 단영상 이해를 위한 MiniGPT4-video 공식 코드

An open-weight 11B model series for long-form and real-time video understanding

Qwen3-VL, Moondream 3, Florence-2, SmolVLM2, InternVL, Gemma 3, MiniCPM-V 등 비전-언어 모델을 위한 ComfyUI 노드입니다. 오픈 어휘 탐지, SAM2/SAM3 세그멘테이션, 비디오 시간 추론, llama.cpp 기반 GGUF 및 호스팅된 LLM/VLM API를 지원합니다.

[ICCV 2023 & TPAMI 2025] MeViS: 모션 표현을 포함한 비디오 세그멘테이션을 위한 대규모 벤치마크