- 引言越来越多的人们使用抖音、B站等视频app，记录、分享日常生活，随之互联网上产生了大量的长、短视频。字幕是影响视频观看体验的重要因素。以日常分享为主的视频创作者往往没有时间为视频制作字幕，在创作者发音不清楚的前提下，没有字幕的视频可能会让观众困惑甚至产生理解偏差。而带字幕的视频让观众有更好的观看体验，“一气呵成”顺畅地看完。语音识别技术（Automatic Speech Recognit... 引言越来越多的人们使用抖音、B站等视频app，记录、分享日常生活，随之互联网上产生了大量的长、短视频。字幕是影响视频观看体验的重要因素。以日常分享为主的视频创作者往往没有时间为视频制作字幕，在创作者发音不清楚的前提下，没有字幕的视频可能会让观众困惑甚至产生理解偏差。而带字幕的视频让观众有更好的观看体验，“一气呵成”顺畅地看完。语音识别技术（Automatic Speech Recognit...
- 1.avio介绍avio是FFmpeg中的一个模块，用于实现多种输入输出方式的封装。avio提供了一系列API，可以将数据从内存读取到缓冲区中，也可以将缓冲区中的数据写入到内存中。其实现依赖于IOContext结构体，该结构体定义了当前输入/输出事件的状态、数据、回调函数等信息，并支持通过自定义回调函数实现不同的输入/输出方式。内存输入（Memory Input）是指将数据从内存中读取到缓... 1.avio介绍avio是FFmpeg中的一个模块，用于实现多种输入输出方式的封装。avio提供了一系列API，可以将数据从内存读取到缓冲区中，也可以将缓冲区中的数据写入到内存中。其实现依赖于IOContext结构体，该结构体定义了当前输入/输出事件的状态、数据、回调函数等信息，并支持通过自定义回调函数实现不同的输入/输出方式。内存输入（Memory Input）是指将数据从内存中读取到缓...
- Serverless可以看作是一种云计算服务模型，它允许开发者在不需要管理服务器的情况下通过事件驱动的方式运行应用代码，主要解决资源托管、调度、运维管理等一系列平台型问题，可以看作是DevOps的进一步延伸。 Serverless可以看作是一种云计算服务模型，它允许开发者在不需要管理服务器的情况下通过事件驱动的方式运行应用代码，主要解决资源托管、调度、运维管理等一系列平台型问题，可以看作是DevOps的进一步延伸。
- 介绍mp4⽂件格式⼜被称为MPEG-4 Part 14，出⾃MPEG-4标准第14部分 。它是⼀种多媒体格式容器，⼴泛⽤于包装视频和⾳频数据流、海报、字幕和元数据等。（顺便⼀提，⽬前流⾏的视频编码格式AVC/H264定义在MPEG-4 Part 10）。 概述mp4⽂件由box组成，每个box分为Header和Data。其中Header部分包含了box的类型和⼤⼩，Data包含了⼦box或... 介绍mp4⽂件格式⼜被称为MPEG-4 Part 14，出⾃MPEG-4标准第14部分 。它是⼀种多媒体格式容器，⼴泛⽤于包装视频和⾳频数据流、海报、字幕和元数据等。（顺便⼀提，⽬前流⾏的视频编码格式AVC/H264定义在MPEG-4 Part 10）。 概述mp4⽂件由box组成，每个box分为Header和Data。其中Header部分包含了box的类型和⼤⼩，Data包含了⼦box或...
- 2022-04-24：用go语言重写ffmpeg的muxing.c示例。答案2022-04-24：本程序的大体过程如下：打开输出文件并写入头部信息。添加音频和视频流，并为每个流创建 AVCodecContext 对象，根据输入格式设置编码器参数，并打开编码器；同时为每个流创建 AVStream 对象，将编码器参数复制到该对象中，并添加该对象到输出文件的媒体流列表中。创建 AVFrame 对象... 2022-04-24：用go语言重写ffmpeg的muxing.c示例。答案2022-04-24：本程序的大体过程如下：打开输出文件并写入头部信息。添加音频和视频流，并为每个流创建 AVCodecContext 对象，根据输入格式设置编码器参数，并打开编码器；同时为每个流创建 AVStream 对象，将编码器参数复制到该对象中，并添加该对象到输出文件的媒体流列表中。创建 AVFrame 对象...
- 助力经销商伙伴高效拓展，加速业务成功！ 助力经销商伙伴高效拓展，加速业务成功！
- 福田区是深圳市行政、金融、文化、商贸和国际交往中心，也是深圳人口密度最大、含金量最高的中央商务区。作为改革开放的前沿阵地，福田区在数字化转型方面也领风气之先。深度用云时代，智慧城市迈入新的发展阶段，从传统以管理者为主、数据驱动的智慧城市迈向以人为本、高效运转的下一代智慧城市架构——城市智能体。2022年4月，依托华为云Stack云平台提供的城市智能中枢方案，福田区“一网统管 民意速办”群众诉... 福田区是深圳市行政、金融、文化、商贸和国际交往中心，也是深圳人口密度最大、含金量最高的中央商务区。作为改革开放的前沿阵地，福田区在数字化转型方面也领风气之先。深度用云时代，智慧城市迈入新的发展阶段，从传统以管理者为主、数据驱动的智慧城市迈向以人为本、高效运转的下一代智慧城市架构——城市智能体。2022年4月，依托华为云Stack云平台提供的城市智能中枢方案，福田区“一网统管 民意速办”群众诉...
- ModelBox开发指南 - 条件功能单元本文将使用一个单人人体关键点检测的案例，介绍ModelBox中条件功能单元的特性，案例效果如下所示：本案例所需资源（代码、模型、测试数据等）均可从single_person_pose_yolox_alpha_pose下载（提取码为modbox），该目录中的资源列表说明如下：desc.toml # 资源描述common.zip # 公共数据... ModelBox开发指南 - 条件功能单元本文将使用一个单人人体关键点检测的案例，介绍ModelBox中条件功能单元的特性，案例效果如下所示：本案例所需资源（代码、模型、测试数据等）均可从single_person_pose_yolox_alpha_pose下载（提取码为modbox），该目录中的资源列表说明如下：desc.toml # 资源描述common.zip # 公共数据...
- 基于 ModelArts 使用StyleGAN3 生成高清图Nvidia新作：StyleGAN3， 从根本上解决了StyleGAN2 图像坐标与特征粘连的问题，实现了真正的图像平移、旋转等不变性，大幅提高了图像合成质量本案例主要介绍了生成图像的推理过程，你可以输入一个噪声，得到对应的人脸，猫脸，肖像脸图像github地址：https://github.com/NVlabs/stylegan... 基于 ModelArts 使用StyleGAN3 生成高清图Nvidia新作：StyleGAN3， 从根本上解决了StyleGAN2 图像坐标与特征粘连的问题，实现了真正的图像平移、旋转等不变性，大幅提高了图像合成质量本案例主要介绍了生成图像的推理过程，你可以输入一个噪声，得到对应的人脸，猫脸，肖像脸图像github地址：https://github.com/NVlabs/stylegan...
- 视频物体分割本案例分为以下几个章节：视频物体分割简介OSVOS算法训练和预测视频物体分割的应用 1. 视频物体分割简介视频物体分割就是从视频所有图像中将感兴趣物体的区域完整地分割出来。注意“感兴趣物体”这个词，“感兴趣物体”是指在一段视频中最容易捕获人眼注意力的一个或多个物体，比如下图中左上角子图中三个正在跳舞的人，这三个人物是“感兴趣物体”，而周围的人群不属于我们常识上的感兴趣物体，下图... 视频物体分割本案例分为以下几个章节：视频物体分割简介OSVOS算法训练和预测视频物体分割的应用 1. 视频物体分割简介视频物体分割就是从视频所有图像中将感兴趣物体的区域完整地分割出来。注意“感兴趣物体”这个词，“感兴趣物体”是指在一段视频中最容易捕获人眼注意力的一个或多个物体，比如下图中左上角子图中三个正在跳舞的人，这三个人物是“感兴趣物体”，而周围的人群不属于我们常识上的感兴趣物体，下图...
- 视频动作识别 实验目标通过本案例的学习：掌握C3D模型训练和模型推理、I3D模型推理的方法； 注意事项本案例推荐使用TensorFlow-1.13.1，需使用 GPU 运行，请查看《ModelArts JupyterLab 硬件规格使用指南》了解切换硬件规格的方法；如果您是第一次使用 JupyterLab，请查看《ModelArts JupyterLab使用指导》了解使用方法；如果您在使用... 视频动作识别 实验目标通过本案例的学习：掌握C3D模型训练和模型推理、I3D模型推理的方法； 注意事项本案例推荐使用TensorFlow-1.13.1，需使用 GPU 运行，请查看《ModelArts JupyterLab 硬件规格使用指南》了解切换硬件规格的方法；如果您是第一次使用 JupyterLab，请查看《ModelArts JupyterLab使用指导》了解使用方法；如果您在使用...
- 强大的视频抠图 (RVM)RVM 专为强大的人类视频抠图而设计。与将帧作为独立图像处理的现有神经模型不同，RVM 使用循环神经网络来处理具有时间记忆的视频。RVM 可以在任何视频上实时执行抠图，无需额外输入。它在 Nvidia GTX 1080 Ti GPU 上实现了4K 76FPS和HD 104FPS。论文：Robust High-Resolution Video Matting wit... 强大的视频抠图 (RVM)RVM 专为强大的人类视频抠图而设计。与将帧作为独立图像处理的现有神经模型不同，RVM 使用循环神经网络来处理具有时间记忆的视频。RVM 可以在任何视频上实时执行抠图，无需额外输入。它在 Nvidia GTX 1080 Ti GPU 上实现了4K 76FPS和HD 104FPS。论文：Robust High-Resolution Video Matting wit...
- 吕梁政务“一朵云”以先进的云计算服务能力，打造安全、可信、稳定、高效的政务云底座，支撑全市多个政务应用系统安全高效运转，借助云原生敏捷弹性，打造可持续赋能应用创新的云上环境，加速城市智能升级。 吕梁政务“一朵云”以先进的云计算服务能力，打造安全、可信、稳定、高效的政务云底座，支撑全市多个政务应用系统安全高效运转，借助云原生敏捷弹性，打造可持续赋能应用创新的云上环境，加速城市智能升级。
- OpenPose人体姿态识别OpenPose人体姿态识别项目是美国卡耐基梅隆大学（CMU）基于卷积神经网络和监督学习并以caffe为框架开发的开源库。可以实现人体动作、面部表情、手指运动等姿态估计。适用于单人和多人，具有极好的鲁棒性。是世界上首个基于深度学习的实时多人二维姿态估计应用，基于它的实例如雨后春笋般涌现。人体姿态估计技术在体育健身、动作采集、3D试衣、舆情监测等领域具有广阔的应用... OpenPose人体姿态识别OpenPose人体姿态识别项目是美国卡耐基梅隆大学（CMU）基于卷积神经网络和监督学习并以caffe为框架开发的开源库。可以实现人体动作、面部表情、手指运动等姿态估计。适用于单人和多人，具有极好的鲁棒性。是世界上首个基于深度学习的实时多人二维姿态估计应用，基于它的实例如雨后春笋般涌现。人体姿态估计技术在体育健身、动作采集、3D试衣、舆情监测等领域具有广阔的应用...
- 这个 notebook 基于预印本论文「Castle in the Sky: Dynamic Sky Replacement and Harmonization in Videos, arXiv:2010.11800.」提供了最基本的视频天空替换的可复现例子。项目首页 | GitHub | 预印本框架使用的是：PyTorch1.4硬件用的是：GPU: 1*P100|CPU: 8核 64GB ... 这个 notebook 基于预印本论文「Castle in the Sky: Dynamic Sky Replacement and Harmonization in Videos, arXiv:2010.11800.」提供了最基本的视频天空替换的可复现例子。项目首页 | GitHub | 预印本框架使用的是：PyTorch1.4硬件用的是：GPU: 1*P100|CPU: 8核 64GB ...
上滑加载中
推荐直播
-
华为开发者联创日·全栈AI黑客松大赛线上培训班2023/05/30 周二 16:30-18:00
全栈AI黑客松大赛组委会
华为全栈AI大赛火热报名中！手势动作作为一种自然、快捷的交互方式，在智能驾驶、虚拟现实等领域有着广泛的应用。本赛题定位于基于视觉的动态手势识别任务（实际应用案例），希望选手基于华为全栈AI技术，开发出精准高效的识别算法。获奖团队将获得千元大奖和获奖证书，还有机会前往华为欧洲小镇参观！
即将直播 -
转转魔方，网络配置新玩法2023/05/30 周二 19:00-20:00
文西 网络自动化领域专家；Kiki NCE-数通信息体验工程师；黑桃A 网络自动化布道师
本期直播将向您介绍iMaster NCE 网络配置魔方“灵活组装”、“一键继承”等黑科技，为您解决网络配置复杂、耗时的问题。
去报名 -
AIGC未来已现，数字人释放全新生产力2023/05/31 周三 14:30-16:00
司马华鹏 硅基智能创始人&CEO
大模型时代，拉开硅基文明序幕。5月31日，南京硅基智能创始人&CEO 司马华鹏，将带来AIGC发展的深度思考及数字人赋能各行各业等分享，欢迎预约直播！
去报名
热门标签