该论文提出了一种新颖的模型，名为TAP，可以在视频序列中有效地跟踪任何查询点在任何物理表面上的位置。该模型采用两个阶段：匹配阶段和细化阶段。该模型在TAP-Vid基准测试中表现优异，平均Jaccard（AJ）的改进幅度约为20％。该模型可以快速推断长时间高分辨率的视频序列。源代码、预训练模型和可视化结果可以在项目网页上找到。
原创文章，作者：校长，如若转载，请注明出处：https://www.yundongfang.com/Yun235183.html
微信扫一扫不于多少！ 
支付宝扫一扫礼轻情意重
Transformer模型调研
上一篇
2023年6月20日 下午9:39
腾讯智影如何访问视频剪辑
下一篇
2023年6月20日
相关推荐
-
如何在 Opera One Developer 上启用和使用本地 AI 模型
Opera 最近宣布将本地 AI 模型集成到其 Opera One 浏览器中。随着这一发展，Opera 成为第一个内置 AI 模型的主要浏览器，您现在可以从 150 个大型语言模型…
-
Open-Sora 开源替代 OpenAI 的 Sora 文本转视频 AI
Open-Sora 开源替代 OpenAI 的 Sora 文本转视频 AI 继今年早些时候推出 Sora 之后，OpenAI 强大的文本到视频 AI 模型以 Open-Sora 的…
-
OpenAI Q Star 理论 AI 模型解读
OpenAI Q Star 理论 AI 模型解读 如果您有兴趣了解有关 OpenAI Q* Star AI 模型的更多信息，该模型显然正在开发中。本快速指南概述了我们目前所知道…
-
我该使用哪款 AI？AI 模型的超能力与现状
一年多来，GPT-4 一直是占主导地位的 AI 模型，显然比任何其他可用的 LLM 系统都要聪明得多。这种情况在上个月发生了变化，现在有三个GPT-4级模型，它们都为自己的聊天机器…
-
DepthFM: 使用深度流匹配技术的快速单目深度预测
DepthFM: 使用深度流匹配技术的快速单目深度预测 一个深度图分析模型，通过流匹配（Flow Matching）技术，可以有效地实现这一目标，因为它在解空间中形成的直线轨迹既高…
-
VoiceCraft：超过XTTS的语音模型
VoiceCraft：超过XTTS的语音模型 VOICECRAFT模型介绍： VOICECRAFT是一个先进的神经编解码语言模型，专门用于语音编辑和零样本文本到语音（TTS）任务。…
-
字节发布了AnimateDiff-Lightning 模型
字节发布了AnimateDiff-Lightning 模型 字节发布了AnimateDiff-Lightning 模型，只需要 4-8 步的推理就可以生成质量非常不错的视频。 跟 …
-
Suno 发布了自己的歌曲生成模型V3版本
Suno 发布了自己的歌曲生成模型V3版本 Suno 正式发布了他们的 V3 音乐生成模型，现在所有人都可以使用。 V3 改进的内容主要是： ◦ 音质更佳，带来更加清晰动听的音频体…
-
有关 OpenAI Q-STAR 的更多细节揭晓
有关 OpenAI Q-STAR 的更多细节揭晓 关于 OpenAI 的 Q-STAR 有一个未经证实的泄漏，这是一个对话系统，据说利用基于能量的模型 （EBM） 来生成响应。据报…
-
GFlowNets是人工智能的未来吗，它们是什么？
GFlowNets是人工智能的未来吗，它们是什么？ GFlowNets 是在 Yoshua Bengio 的指导下开发的，代表了人工智能 （AI） 领域的一种新颖训练算法，与 Tr…
-
Stable Diffusion 和 ComfyUI AI 艺术生成器初学者指南
Stable Diffusion 和 ComfyUI AI 艺术生成器初学者指南 如果您想开始使用 Stable Diffusion 和 ComfyUI，乍一看非常复杂。您会很高兴…
-
OpenAI 首席技术官透露可能的 Sora AI 视频生成器发布日期
OpenAI 首席技术官透露可能的 Sora AI 视频生成器发布日期 OpenAI 首席技术官 （CTO） Mira Murati 在接受《华尔街日报》采访时，对 OpenAI …
-
展示了新的 Runway AI 文本到视频环境运动控制功能
Runway 是一种文本到视频的 AI 服务，它正在改变我们创建视频和动画的方式，它具有强大的新功能，允许用户以令人难以置信的精度为静态图像添加运动。这种环境控制设置对于使用该平台…
-
I2V-Adapter：直接从图片生成视频
I2V-Adapter：直接从图片生成视频 快手也发布了一个视频生成模型 I2V-Adapter。主要用于从图片获取信息直接生成视频，这个项目可以与已有的 SD 生态比如Conto…
-
“大型语言模型”和“LLM”这些术语将变得不那么常见
“大型语言模型”和“LLM”这些术语将变得不那么常见 在当今人工智能领域，“大型语言模型”（及其缩写LLM）经常被用作“任何先进人工智能模型”的简称。这是可以理解的，因为许多最初崭…
-
最先进的封闭模型将继续以显著优势胜过最先进的开放模型
最先进的封闭模型将继续以显著优势胜过最先进的开放模型 当今人工智能讨论中的一个重要话题是围绕开源和闭源人工智能模型的辩论。虽然大多数尖端人工智能模型开发者——如OpenAI、Goo…
-
OpenAI 正式推出的 6 个 ChatGPT 提示工程原理
OpenAI 最近推出了一份有价值的指南，旨在帮助用户充分利用与 ChatGPT 的互动。对于任何希望从 AI 获得更精确和相关答案的人来说，本指南都是一个重要的资源，无论他们的技…
-
OpenAI 正式推出的 6 个 ChatGPT 提示工程原理
OpenAI 最近推出了一份有价值的指南，旨在帮助用户充分利用与 ChatGPT 的互动。对于任何希望从 AI 获得更精确和相关答案的人来说，本指南都是一个重要的资源，无论他们的技…
-
如何微调 Mixtral 8x7B Mistral Ai Mixture of Experts （MoE） AI 模型
当谈到增强 Mixtral 8x7B 的功能时，Mixtral 8x7B 是一种拥有惊人的 870 亿个参数的人工智能模型，这项任务似乎令人生畏。该模型属于专家混合 （MoE） 类…
-
Microsoft Bing Chat 免费获得 ChatGPT-4 Turbo，Code Interpreter 即将迎来重大升级
您现在可以在 Bing Chat （Microsoft Copilot） 上免费使用 ChatGPT-4 Turbo 以及插件支持。 Microsoft 正在推出 Bing Cha…
-
TextDiffuser-2：为文本渲染释放语言模型的力量
TextDiffuser-2：为文本渲染释放语言模型的力量 可以稳定在扩散模型中生成指定位置和风格的英文文本，它是借助的微调后的大语言模型来规划文本布局，以及编码文本的位置。
-
Tripo3d：AI生成3D模型
Tripo3d：AI生成3D模型 可以说是现在最强大的3D模型生成工具，一经发布就把几个老牌产品打趴了，支持从文字直接生成3D模型，也支持图片生成。
-
Microsoft Bing Chat 免费获得 ChatGPT-4 Turbo，Code Interpreter 即将迎来重大升级
您现在可以在 Bing Chat （Microsoft Copilot） 上免费使用 ChatGPT-4 Turbo 以及插件支持。 Microsoft 正在推出 Bing Cha…
-
AI 3D模型和图像创建者Stable Zero123由Stability AI揭晓
Stability AI 推出了一个新的 AI 3D 模型和图像创建器，它将改变我们从简单的 2D 图像生成 3D 内容的方式。这款名为 Stable Zero123 的新 3D …
-
Windows AI Studio：微软提供的AI开发工具
项目简介 Windows AI Studio 通过汇集来自 Azure AI Studio Catalog 和 Hugging Face 等其他目录的尖端 AI 开发工具和模型，简…
