视觉智能开放平台

首页 标签 视觉智能开放平台
FFmpeg开发笔记(四十三)使用SRS开启SRT协议的视频直播服务
《FFmpeg开发实战》书中介绍了轻量级流媒体服务器MediaMTX,适合测试但不适用于生产环境。SRS是一款国产开源服务器,支持RTMP、SRT等协议,适合生产使用。要启用SRS的SRT推流,需配置`srt.conf`,开启SRT服务并配置端口。在确保FFmpeg集成libsrt后,拉流则使用类似但带有`m=request`的地址。在Windows上,同样需要集成libsrt的FFmpeg来使用ffplay拉流。SRS的日志确认了推拉流的成功。书中提供更深入的FFmpeg开发知识。
Director:构建视频智能体的 AI 框架,用自然语言执行搜索、编辑、合成和生成等复杂视频任务
Director 是一个构建视频智能体的 AI 框架,用户可以通过自然语言命令执行复杂的视频任务,如搜索、编辑、合成和生成视频内容。该框架基于 VideoDB 的“视频即数据”基础设施,集成了多个预构建的视频代理和 AI API,支持高度定制化,适用于开发者和创作者。
【一步步开发AI运动小程序】十七、如何识别用户上传视频中的人体、运动、动作、姿态?
【云智AI运动识别小程序插件】提供人体、运动、姿态检测的AI能力,支持本地原生识别,无需后台服务,具有速度快、体验好、易集成等优点。本文介绍如何使用该插件实现用户上传视频的运动识别,包括视频解码抽帧和人体识别的实现方法。
LHM:单图生成3D动画人!阿里开源建模核弹,高斯点云重构服装纹理
阿里巴巴通义实验室开源的LHM模型,能够从单张图像快速重建高质量可动画化的3D人体模型,支持实时渲染和姿态控制,适用于AR/VR、游戏开发等多种场景。
|
6月前
| |
来自: 视觉智能
视频后期黑科技:深度拆解开源 VSR 架构与视频 Inpainting 实践全指南
本文深度解析视频补全(Video Inpainting)前沿技术,聚焦硬字幕去除工具VSR的底层架构(OCR定位、时序传播、光流对齐)、本地部署要点(CUDA环境、显存优化)及云端方案(550W AI扩散模型),对比二者在隐私、效率与画质上的差异,助力开发者科学选型。(239字)
YOLO26如何训练自己的数据集 | (NEU-DET为案列)
本文详解YOLO26全新架构:移除DFL、端到端无NMS推理、ProgLoss+STAL损失策略及MuSGD优化器;并以NEU-DET数据集为例,详述训练全流程(含预训练/优化器选择/模型缩放对比),附结构图、代码与可视化结果。
|
5月前
| |
来自: 视觉智能
普通摄像头秒变“透视仪”:黎曼分形透镜如何让微弱瑕疵无处遁形(军工项目之外研究)
一种基于黎曼分形动力学的非线性图像增强技术——“分形透镜”。无需AI模型,仅用纯C++实现,通过递归映射与黄金分割比调控,实时放大微弱灰度差异(如水渍、指纹、低温差目标),在普通USB摄像头上实现“透视级”细节增强,计算耗时 0.5ms,已开源并验证于工业检测与国防场景。
阿里云工业视觉智能平台使用Quick Start
工业视觉智能(Industrial Visual Intelligence)是为工业用户提供适配其实际生产场景的视觉智能算法模型,当算法模型与生产线或生产环境中的检测/采集设备集成,就可实现在生产过程中以计算机视觉代替人工进行质量、安全、完整性等检测工作。工业视觉智能将阿里云基于工业各场景中的最佳实践所获得的预训练模型与用户实际场景中的样本数据结合,通过用户样本数据的训练对模型进行定制优化,从而适配用户实际使用场景。通过API及SDK供用户在线或离线部署调用。
免费试用