智谱清影的魅力：使用CogVideoX-2b生成6秒视频的真实体验！

在8月6日，智谱 AI 发布了一则令人振奋的消息：他们决定开源其视频生成模型CogVideoX。作为一名开发者，我近期才来体验这个新工具，多少有点姗姗来迟的感觉。当前的模型支持的提示词上限为**226个token**，能够生成长度为**6秒**的视频，帧率为**8帧/秒**，分辨率达到**720x480**。这仅仅是模型的初版，未来更高性能、更大参数量的版本也在计划中，这让我对其未来充满期待。CogVideoX的核心技术是**3D变分自编码器**，这项技术极大地优化了视频数据的处理效率。

【AI视频】复刻抖音爆款AI数字人作品初体验

2024.9.12-9.13-✍ 227min

OpenCV开发笔记（七十九）：基于Stitcher类实现全景图片拼接

一个摄像头视野不大的时候，我们希望进行两个视野合并，这样让正视的视野增大，从而可以看到更广阔的标准视野。拼接的方法分为两条路，第一条路是stitcher类，第二条思路是特征点匹配。本篇使用stitcher匹配，进行两张图来视野合并拼接。

视频生成Sora的全面解析：从AI绘画、ViT到ViViT、TECO、DiT、VDT、NaViT等

真没想到，举例视频生成上一轮的集中爆发才过去三个月，没想OpenAI一出手，该领域又直接变天了自打2.16日OpenAI发布sora以来，不但把同时段Google发布的Gemmi Pro 1.5干没了声音，而且网上各个渠道，大量新闻媒体、自媒体(含公号、微博、博客、视频)做了大量的解读，也引发了圈内外的大量关注，很多人因此认为，视频生成领域自此进入了大规模应用前夕，好比NLP领域中GPT3的发布一开始，我还自以为视频生成这玩意对于有场景的人，是重大利好，比如在影视行业的；

【机器学习】CNN在计算机视觉中的应用

本文介绍了CNN在计算机视觉中的几个主要应用,包括图像分类、目标检测、语义分割、实例分割和视频分析等。CNN凭借其强大的特征提取能力和端到端的训练方式,在这些任务中取得了卓越的成绩,推动了计算机视觉领域的快速发展。未来,随着模型架构和训练算法的不断优化,CNN在计算机视觉领域的应用将会更加广泛和深入。

【计算机视觉】Gaussian Splatting源码解读补充（一）

本文基于@gwpscut的文章《学习笔记之——3D Gaussian Splatting源码解读》，对Gaussian Splatting的代码进行了更加详细的解读。本文是第一部分，包括球谐的简介和高斯场景GaussianModel类的解读。

YOLO系列算法全家桶——YOLOv1-YOLOv9详细介绍 ！！

本文详细介绍了从YOLOv1-YOLOv9的网络结构，以及各个版本之间的迭代。YOLOv1-YOLOv8之间的对比ModelAnchorInputBackboneNeckYOLOv1锚框（训练是224*224，测试是448*448；GoogLeNet；Dropout防止过拟合；最后一层使用线性激活函数，其余层都使用ReLU激活函数无；一个网格只预测了2个框，并且都属于同一类；全连接层直接预测bbox的坐标值；YOLOv2锚框（通过k-means选择先验框。

【AI视频】Runway注册、基本设置、主界面详解

2024.8.31-9.1-✍227min

实战OpenCV之图像的数学运算

在OpenCV中，图像的数学运算是一种基本而强大的工具，可以用于多种图像处理任务，包括：图像增强、图像融合、特征提取等。这些运算包括加法、减法、乘法和除法等基本的数学操作。

OpenCV下载安装教程（Windows）

OpenCV（Open Source Computer Vision Library）是一个广泛使用的开源计算机视觉库，旨在提供丰富的图像和视频处理功能。它最初由Intel于1999年开发，并演变成为一个全球性的开源项目，得到了众多开发者的贡献和支持。OpenCV可以通过C++、Python、Java等编程语言调用，使得开发者能够在不同平台上进行图像处理和计算机视觉应用程序的开发。作为一个全面且强大的计算机视觉库，OpenCV包含了数百个用于图像处理、特征检测、对象识别、视频分析等领域的函数和工具。

从【人工智能】到【计算机视觉】，【深度学习】引领的未来科技创新与变革

本文系统性地介绍了人工智能、机器学习、深度学习、算法和计算机视觉的基础知识、核心技术和实际应用。从基本概念到高级技术，本文旨在为读者提供一个全面的学习指南，帮助他们深入理解和掌握AI领域的关键内容。人工智能的未来发展将更加广泛和深入。随着技术的进步，AI将在更多的领域得到应用，带来新的机遇和挑战。未来的AI技术将更加智能化、个性化和普惠化，为人类社会的发展提供强大的动力。

Windows下编译opencv&opencv_contrib（避坑版）

在 Windows 下编译 opencv&opencv_contrib 需要三个工具：CMake、w64devkit、opencv&opencv_contrib 源码。

OpenCV 车道检测

在本节中，我们将了解如何使用边缘检测和直线检测识别道路图像中的车道。

【机器学习】OpenCV高级图像处理

在掌握了OpenCV的基础知识之后,我们将深入探讨OpenCV在高级图像处理领域的应用。本文将介绍一些常用的高级图像处理技术,包括图像滤波、图像金字塔、图像分割、特征检测与描述、图像变换以及图像修复与增强。

【Python】使用OpenCV特征匹配检测图像中的【特定水印】

如果没有方向往哪里走都是前方做自己的光 不需要多亮曾受过的伤 会长出翅膀大雨冲刷过的天空会更加明亮流过泪的眼睛也一样做自己的光 悄悄的发亮逆风的方向 更容易飞翔世界怎样在于你凝视它的目光那未曾谋面过的远方或许就在身旁🎵 虎妹Huu、承桓《做自己的光》在图像处理中，识别和检测水印是一项重要任务，特别是在版权保护和验证领域。本文将介绍如何使用OpenCV和Python库来识别图像中的固定水印，即使水印的位置和角度可能不同。我们将使用特征匹配技术来实现这一目标。

【机器学习】探秘图像处理与分类：运用C++结合OpenCV实现智能视觉识别技术

在计算机视觉领域，图像处理与分类是核心任务之一。OpenCV作为一个功能强大的开源计算机视觉库，提供了丰富的API支持多种语言的开发，其中C++因其性能优势而被广泛使用,下面我们就来看一下，如何使用C++结合OpenCV进行图像处理与分类，包括安装步骤、基础图像操作以及使用Bag of Words (BOW)算法进行图像分类。

计算机视觉目标检测性能指标

计算机视觉

解决Edge输入document.querySelector(‘video‘).playbackRate = 2.5视频无法加速的问题，‘Uncaught (in promise) TypeErro’

【代码】解决Edge输入document.querySelector(‘video‘).playbackRate = 2.5视频无法加速的问题，‘Uncaught (in promise) TypeErro’

C++：opencv将彩色图转换为灰度图

但是，对于大多数来自相机或文件系统的图像，你可以安全地假设它们是BGR格式的（在OpenCV中）。：这种方法给了你更多的灵活性，因为你可以先对彩色图像进行一些处理（如裁剪、旋转等），然后再转换为灰度图。但是，它使用了更多的内存，因为你需要同时存储彩色和灰度图像（至少在转换过程中是这样）。对于将彩色图转换为灰度图，你通常会从BGR颜色空间（OpenCV中默认的彩色图像格式）转换到灰度颜色空间。请注意，如果原始图像不是彩色的（即，它是一个灰度图像或具有其他非BGR颜色空间的图像），但你仍然使用。

一个开源完全免费的无损视频或音频的剪切/裁剪/分割/截取和视频合并工具

LosslessCut正如其名，「无损分割视频」的代名次，能保证提取截取出的视频内容“原汁原味”，不降低画质品质。因为它不会进行任何视频编码或视频压缩操作，所以截取剪切速度超级快。