本文作者来自于上海交通大学，中国科学技术大学以及上海人工智能实验室等。其中第一作者周彧杰为上海交通大学二年级博士生，师从牛力副教授。

很多视频网站，可以在线免费看，但是无法下载。一般情况下，网站视频播放是采用了m3u8技术。M3U8是一种基于HTTP Live Streaming (HLS) ...

在复杂的3D结构组装中，理解和执行说明书是一个多层次的挑战：从高层的任务规划，到中层的视觉对应，再到底层的动作执行，每一步都需要精确的空间理解能力。

在最近的一篇论文中，来自字节跳动、北京大学等机构的研究者提出了 Sa2VA。市面上第一个结合 SAM-2 和 LLaVA-like 的视频多模态大模型，结合了 ...

想象一下，你正在观看吴恩达老师的机器学习课程，视频讲解清晰、动画直观，你很快掌握了核心概念，并能在考试中灵活应用，人类对这个过程再熟悉不过。

近年来，随着多模态大模型的崛起，视频理解技术取得了显著进展。但是目前主流的全开源视频理解多模态模型普遍具有 7B 以上的参数量，这些模型往往采用复杂的架构设计，...

我过去两年分享了很多使用矩阵制作的日历（参考：Power BI 矩阵构造日历空间组合），今天换一个载体，使用新切片器视觉对象制作日历。

表格新建完成后，切换到模型视图，批量选中需要移动的度量值，变更主表为上一步新建的空表

Video Depth Anything 工作来自字节跳动智能创作 AR 团队与豆包大模型团队。字节跳动智能创作 AR 团队致力于建设领先的计算机视觉、音视频编...

今日，潞晨 Video Ocean V2.0 正式来袭，本次升级不仅在模型、速度、功能玩法上 “大步进化”，还依旧完全免费，等着你来薅羊毛。创新的技术架构和用户...

MoviePy是一个用Python编写的视频编辑库，它可以处理视频剪辑、合成、处理等各种任务。它背后的魔法来自于两个强大的工具：FFmpeg，一个处理多媒体数据...

有时候想找一些YUV格式的资源，进行一些测试学习。如果你也需要，下面几个网站建议收藏。

video_player : 是 Flutter 中用于播放视频的重要库。它提供了一套完整的 API 来处理视频播放相关的功能，支持多种视频格式，能够在 And...

涉及硬件的音视频能力，比如采集、渲染、硬件编码、硬件解码，通常是与客户端操作系统强相关的，就算是跨平台的多媒体框架也必须使用平台原生语言的模块来支持这些功能

近年来，AI生成视频工具迅速崛起，各种平台各显神通。但面对琳琅满目的选择，你是否感到无从下手？本期 猫头虎 将为你深度解析 Sora、Runway、Stable...

此处以在t113_s3p_c906 芯片下创建一个example_demo方案为例，帮助客户快速创建定制方案。 第一步：进入rtos/board/t113_s...

video实例这个例子其实动视频、直播流、推拉流的技术人员，应该有种小惊喜；意思可以用Go来做视频监控，直播，视频播放器了，也不用自己再封装系统调用了，直播推拉...

智能交通系统（ITS）在智能城市范式中得到了显著的普及。ITS的关键组件之一是交通目标检测，这项技术利用计算机视觉和图像处理来识别数字图像中的特定物体。

前阵子，有一款视频压缩工具在网络上火了。这个工具叫做 tools.rotato.app，只需要在网页上传视频，就能给你几乎无损地压缩到原视频的10%左右大小。