2 天前 / hyper0x
机器之心报道编辑：陈萍、小舟 《我的世界》里，玩家不一定都是人类，现在 AI 也会玩了。《我的世界》是全球知名度最高的开放世界游戏。小朋友只需观看十分钟的教学视频，就能学会在游戏中寻找稀有的钻石，但这却是 AI 此前无法企及的高度。 今天 OpenAI 的研究团队宣布他们开发了一种能玩《我的世界》的智能体，其中使用《我的世界》游戏大量未标记视频数据集训练神经网络，仅使用少量标记数据。 微调之后，OpenAI 训练的模型还可以学习制作挖矿工具，熟练的人类玩家在 20 分钟内可以完成这个任务（24000 次操作）。
4 天前 / 逗逗
点击上方公众号进入3 分钟秒懂大数据主页 然后点击右上角“设为标星” 比别人更快接收硬核文章 大家好，我是土哥。 今天给大家分享一波这十天录的视频的知识点，同时这十个知识点被拼多多、网易的面试官都考察过，出现的频率都很高，所以，没看完视频的小伙伴，可以看看文字，一块学习学习~ 1 Spark 的任务提交流程你熟悉吗？当面试官问你，Spark 的任务提交流程你熟悉吗？ 你应该这样回答他： 当在命令行执行 spark -submit --master xxx.jar 的命令后，会执行以下操作： 1、客户端向资源管理器 Master 发送注册和申请资源的请求。
22 天前 / 趣编程
1.公众号：铭毅天下 Elasticsearch——中国最大的 Elastic 非官方技术公众号 2.博客：elastic.blog.csdn.net——访问量 550 万 + 3.知识星球：死磕 Elasticsearch（中国 Elastic 认证工程师的半壁江山都出自本星球）——http://t.cn/RmwM3N9 4.VX：elastic6，欢迎留言交流！ 5.B 站：https://space.bilibili.com/471049389
28 天前 / hyper0x
机器之心专栏机器之心编辑部 本文中，来自美图影像研究院（MT Lab）与大连理工大学卢湖川团队的研究者们共同探究了如何仅使用文本描述作为参考的视频目标分割任务，突破性地提出了首个单阶段方法 ——YOFO，能够有效地进行端到端训练并达到 SOTA 效果。该论文已被 AAAI 2022 接收。 引言 参考视频目标分割（Referring VOS, RVOS）是一个新兴起的任务，它旨在根据参考文本，从一段视频序列中分割出文本所指述的对象。与半监督视频目标分割相比，RVOS 只依赖抽象的语言描述而不是像素级的参考掩膜，为人机交互提供了一种更方便的选择，因此受到了广泛关注。
35 天前 / 数栈DTinsightu580540
导读： 5 月 16 日晚，袋鼠云数栈大数据开发专家、Taier 项目主导人月白为大家带来了《Taier 控制台介绍》的分享，我们将直播精华部分做了整理，带大家再次回顾内容，加深对技术细节的了解。 你能看到 Taier 控制台的设计 Taier 控制台的作用 Taier 控制台的规划 直播课件获取： 关注公众号“数栈研习社”，后台私信“Taier”获得直播课件 直播视频回看： 点击“阅读原文”，观看精彩视频 https://www.bilibili.com/video/BV1ur4y147Q9spm_id_from=333.999.0.0 演讲 / 月白 整理 / 花夏 上期，偷天老师为我们介绍了 Taier 的入门...
53 天前 / mythsman
2022 May 02 by mythsman 利用 FFmpeg 将视频转换为 GIF 操作指北背景在写技术文档的时候，为了演示方便，经常需要插入一些短小的视频资源。比如一些操作的录频、一些经典视频片段、一些科普动画等。由于展示的地方通常是网页，而如果是插入视频之类的资源，通常需要占用额外的存储，而且也需要可用的视频播放器的支持，非常不便。对于命令行操作的回放，我们可能会采用 Asciinema，但是这个方案对非终端的操作无法模拟。一个常见的方案是把需要的资源转换成网页支持的 GIF、WEBP 格式等动图。
61 天前 / 我爱计算机视觉
关注公众号，发现 CV 技术之美 本文分享 ACL 2021 论文『VLM: Task-agnostic Video-Language Model Pre-training for Video Understanding』，由 Meta AI & CMU 联合提出任务无关视频语言模型视频理解预训练 VLM，代码已开源！ 详细信息如下： 论文链接：https://arxiv.org/abs/2105.09996 项目链接：https://github.com/pytorch/fairseq/tree/main/examples/MMPT 01 摘要 我们提出了一种简单的、任务无关的多模态预训练方法，可以接受视频或文本输入，或同时接受视频或文本输入，用于各种最终的下游任务。
62 天前 / 我爱计算机视觉
关注公众号，发现 CV 技术之美 本文转自机器之心，编辑：杜伟、陈萍。 扩散模型正在不断的「攻城略地」。 扩散模型并不是一个崭新的概念，早在 2015 年就已经被提出。其核心应用领域包括音频建模、语音合成、时间序列预测、降噪等。 那么它在视频领域表现如何？先前关于视频生成的工作通常采用诸如 GAN、VAE、基于流的模型。 在视频生成领域，研究的一个重要里程碑是生成时间相干的高保真视频。来自谷歌的研究者通过提出一个视频生成扩散模型来实现这一里程碑，显示出非常有希望的初步结果。
63 天前 / 我爱计算机视觉
关注公众号，发现 CV 技术之美 作者单位：快手、大连理工、港理工、北大、鹏城实验室 论文：https://arxiv.org/pdf/2204.07114.pdf 笔者言： 之前的循环 VSR 方法大多将相邻帧参考帧以及前一时刻的 SR 输出作为输入，本文将未来的 SR 输出也参与进参考帧的重建，通过伪相邻 SR 的方式精进细节，这让笔者眼前一亮。 ▊看点 大多数 VSR 都采用光流或可变形卷积进行运动补偿。然而，这种时间建模技术增加了模型的复杂性，并且在遮挡或复杂运动的情况下可能会失败。
105 天前 / HueiFeng
导语 |WebRTC 真是一套让人既爱又恨的开源代码。一方面，WebRTC 里面有一套很完善很系统的 QoS 策略。但另一方面，WebRTC 代码庞大且版本更新迭代特别快，代码的阅读和学习难度很大。为了方便大家学习了解，我们在这里对 WebRTC 的 QoS 思想及算法实现做了一些梳理总结，以系列分享的方式呈现给大家，供大家参考。 概述 目前总结出 WebRTC 用于提升 QoS 的方法有：NACK、FEC、SVC、JitterBuffer、IDR Request、Pacer、Sender Side BWE、Probe、VFR（动态帧率调整策略）、AVSync（音视频同步）、动态分辨率调整。
119 天前 / 凯凯刘
我自己经常用 Markdown 写文章分享在网上，像知乎、简书、微信公众号等这样的平台上。随着短视频的兴起，传统的长文章形式已经不适应新兴的视频平台，像：B 站、抖音、西瓜视频等。但是我自己又喜欢看很多的视频，于是我就想自己做一个快速将文本转换成视频的在线工具，于是 md2vid 这个在线利器就是在这样的背景下产生的。 其实这个工具非常简单，总共就 3 步： 1、输入 Markdown 文本 2、编辑字幕和对应图片 3、自动合成语音生成视频 旨在通过简单的配置，就可以快速的将文本生成视频。
144 天前 / 冷星1024
前端瓶子君，关注公众号 回复算法，加入前端编程面试算法每日一题群 视频是什么视频，其实就是一系列连续播放的图片，如果 1s 钟播放 24 张图片，那么人眼看到的就不再是一张张独立的图片，而是动起来的画面。其中一张图片称为一帧，1s 播放的图片数称为帧率。常见的帧率有 24 帧 /s，30 帧 /s,32 帧 /s。 视频是由图片构成的，图片是由像素构成的，假设尺寸为 1024*768。每个像素由 RGB 构成，每个 8 位，共 24 位。 这里补充一点 2 进制的知识 1 位 10 进制数，能够表示 0-9，共 10 种可能 类比一下，1 位 2 进制，能够表示 0，1，共表示 2 种可能性。
150 天前 / u561252
动手点关注干货不迷路 2016 年 9 月 26 日，抖音 1.0.0 版本上线，截至目前，抖音日活跃用户突破 6 亿，短短 6 年间，抖音实现了从零开始的爆发性增长。在业务快速发展、数据海量增长、视频 / 直播形式对画质提出更高要求的背景下，抖音基础技术团队如何以技术革新应对时代变局、以匠人之心优化用户体验？在不被外界“看好”的 iOS 开发领域，抖音团队又交出了一份怎样的答卷？ 1 月 22 日下午，第三期字节跳动技术沙龙以线上直播的方式与广大观众见面。
169 天前 / 我爱计算机视觉
关注公众号，发现 CV 技术之美 ▊写在前面 训练深度视频模型比训练其对应图像模型慢一个数量级。训练慢导致研究周期长，阻碍了视频理解研究的进展。按照训练图像模型的标准做法，视频模型训练使用了固定的 mini-batch 形状，即固定数量的片段，帧和空间大小。 然而，最佳形状是什么？高分辨率模型表现良好，但训练缓慢。低分辨率模型训练速度更快，但精确度较低。受数值优化中多重网格方法的启发，作者提出使用具有不同时空分辨率的可变 mini-batch 形状。不同的形状源于对多个采样网格上的训练数据进行重采样。
193 天前 / hyper0x
点击上方音频，立即收听本文↑↑↑ “虚拟现实以及元宇宙的意义就在于通过重塑规则，重塑法则，打破规则的限制，让人的满足有更大的丰富的可能性，并实现指数级的放大。”“未来最重要的是在医学技术方面的进步，这可以让我们活得更健康更久，另一个是在精神层面技术的进步迁移，让我们在精神上获得更大的成就和价值感，这是我们看好元宇宙这个行业的最根本上的哲学层面的逻辑。”“我们要去观察那些世界的开拓者和领军者他们在做什么，他们的行为是我们重要观察的风向标，那些科技时代的企业家们的所思所想基本上代表了我们的未来。