强健视频抠图(RVM):新一代的视频处理神器
2024-08-08 11:22:39作者:鲍丁臣Ursa
简体中文 | 英文
强健视频抠图(RVM) 是一款专为高效、高精度的人像视频抠图设计的官方工具包,源自论文《Robust High-Resolution Video Matting with Temporal Guidance》。与当前大多数处理每一帧图像独立的神经网络模型不同,RVM采用了一种具有时间记忆能力的循环神经网络来处理视频流,从而确保了连贯性和稳定性。这项技术由字节跳动公司研发,可在Nvidia GTX 1080 Ti GPU上实现惊人的4K分辨率下76FPS和高清(HD)下的104FPS实时抠图性能。
最新动态
- 2021年11月3日:修正了train.py中的一个bug。
- 2021年9月16日:代码库遵循GPL-3.0许可协议重新发布。
- 2021年8月25日:源码和预训练模型正式上线。
- 2021年7月27日:相关研究论文被WACV 2022接受。
展示视频
通过观看YouTube或Bilibili上的展示视频,直观体验模型的强大效果。
所有演示视频素材可于Google Drive中获取。
在线演示与快速试用
- 摄像头实时演示: 访问在线平台,即可在浏览器中体验模型,并观察到循环状态的可视化过程。
- Colab演示: 利用免费GPU,在Google Colab上直接测试您的视频文件,无需本地资源。
下载与接入
针对多数场景,我们推荐使用MobileNetv3模型;若您追求极致性能,ResNet50模型则是更佳选择。RVM支持多种推理框架,详情参见推理文档。
框架 | 下载链接 | 备注 |
---|---|---|
PyTorch | rvm_mobilenetv3.pth / rvm_resnet50.pth | 官方提供的PyTorch权重,详细文档在此 |
TorchHub | 直接使用 | 入门级使用方式,详情点击这里 |
TorchScript | 多个版本可选 | 移动端推理推荐,具体操作看文档 |
ONNX | 多种模型格式 | 支持CPU与CUDA,使用说明此处 |
TensorFlow | 提供SavedModel格式 | 针对TensorFlow 2用户,参考文档 |
TensorFlow.js | Web友好 | 网页运行实例查看,代码起始点 |
项目亮点
- 实时性与高性能:在高端GPU上展现出令人瞩目的高速度,支持从标准高清到4K超高清的快速视频处理。
- 创新的时序处理:首个在视频抠图中深度利用时间连续性的模型,提高了结果的一致性和准确性。
- 跨平台可用性:提供包括PyTorch、TensorFlow、甚至Web浏览器在内的多框架支持,便于开发者集成。
- 简易部署与测试:通过提供的在线演示、Colab环境和详尽的示例代码,让用户快速上手。
- 学术认可:论文被权威会议收录,证明了其科学价值和技术领先性。
结语
对于视频后期制作、虚拟现实应用、直播特效等领域,RVM无疑是一个革命性的工具。无论是专业的内容创作者还是技术探索者,都能从中找到提升工作效率和创作质量的钥匙。立即尝试RVM,开启你的高质量视频处理之旅!
登录后查看全文
热门项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++020Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0279Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
156
2 K

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

Ascend Extension for PyTorch
Python
38
72

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
405
387

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
942
555

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
71

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
993
396

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
519
50

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
345
1.32 K