本文介绍AI开源能力对抖动的视频进行稳像，达到清晰稳定的效果。在ModelScope魔搭平台上开源了DUT-RAFT视频稳像算法，几行代码即可调用，无需复杂的操作，也无需复杂的输入。鼠标一点即可畅快体验让视频变稳定的AI“魔法”。

转载链接：http://wenku.baidu.com/view/cedf3244a8956bec0975e328.html我的VS2010+VAssistX最近越来越觉得VAssistX好用，可能是以前没有去仔细研究过吧，也可能是因为我是个快捷键控吧，不管怎样，用或不用，方便或不方便，它就是那里，一动也不动，进入正题，给大家介绍下我的使用配置：（我只是引玉，你可以抛砖）VS201

运动目标检测、阴影检测及目标跟踪中用得到的标准测试视频下载

CVPR 2023将于2023年6月18-22日举办。届时第三届“无人机跟踪”挑战赛将作为第三届反无人机挑战研讨会的一部分与CVPR2023一起举办。近来国内外多次发生无人机滥用事件。因此，开展复杂环境下低慢小（无人机）目标智能感知的研究，从而对无人机进行有效的探测和监管，具有重要意义。

针对无监督3D场景的语义分割，提出一套基于深度聚类的自监督学习算法，可以大幅提升3D分割的效果（ScanNet-v2 (+18.4 mIoU)、S3DIS (+11.5 mIoU)）。

本文设计了基于聚类的自监督学习框架CoKe，参考有监督学习，以极简的框架进行高效的训练.同时，为了避免聚类自监督学习中常遇到的collapse问题，我们提出一个新的聚类size下限的限制并开发online算法进行相应的优化.

最近，一篇名为“Mini-Gemini: Mining the Potential of Multi-modality Vision Language Models”的文章在arXiv上发表，为我们展示了一个简单而有效的框架，旨在提升多模态视觉语言模型（VLMs）的性能。它即能直接提升图像感知能力，也能作为多模态环境下图像生成任务的前置prompt生成器。主要探索了如何增强图像全局感受野，以及探索

vgg和googlenet是2014年imagenet竞赛的双雄，这两类模型结构有一个共同特点是go deeper。跟googlenet不同的是，vgg继承了lenet以及alexnet的一些框架，尤其是跟alexnet框架非常像，vgg也是5个group的卷积、2层fc图像特征、一层fc分类特征，可以看做和alexnet一样总共8个part。根据前5个卷积group，每个group中的不同配置，

AIGC元年达到了学术-商业共振，本文介绍现有AI绘画、AI作画背后的相应基本原理、应用、以及论文参考文献。

AIGC大模型在人工智能领域取得了重大突破，涵盖了LLM大模型、多模态大模型、图像生成大模型以及视频生成大模型等四种类型。这些模型不仅拓宽了人工智能的应用范围，也提升了其处理复杂任务的能力。a.) LLM大模型通过深度学习和自然语言处理技术，实现了对文本的高效理解和生成；b.) 多模态大模型则能够整合文本、图像、声音等多种信息，实现跨模态的交互和理解；c.) 图像/视频生成大模型则进一步将AI技术