#video-analysis Dépôts
Découvrez 27 dépôts GitHub open source actifs associés à #video-analysis, cumulant 44,976 étoiles au total (soit une moyenne de 1,665 étoiles par projet). Le projet en tête de ce thème est JuneYaooo/rea-video, avec 11,577 étoiles.
27 dépôts au total
Procédez à la rétro-ingénierie de n’importe quelle vidéo, plan par plan : découvrez si elle a été filmée, générée par IA ou créée par code, et comment la reproduire. Décompositions au format ouvert VIDEO.md.
Un framework multiplateforme de structuration vidéo (analyse vidéo) basé sur des modèles CV et mLLM.
Laissez Claude (ou tout LLM) regarder une vidéo — images dédupliquées et conscientes des scènes + transcription, à partir d'une URL ou d'un fichier local. Fonctionne localement, MIT.
Recherche sémantique. Recherchez des photos et vidéos locales grâce au langage naturel. Recherche sémantique par IA de matériel local. Recherche par image, trouver des matériaux locaux, faire correspondre des scènes par des descriptions textuelles, recherche d'images vidéo, recherche de vidéos par descriptions de scènes.
Plateforme open-source d'annotation de données multimodales avec support d'auto-annotation IA.
Donnez à Claude la capacité de regarder et de comprendre les vidéos — plugin Claude Code avec extraction d’images et analyse audio multimodale
Notes d’apprentissage et compétences en outils pour la vidéo générée par IA
Un framework flexible et extensible pour la reconnaissance de la démarche. Vous pouvez vous concentrer sur la conception de vos propres modèles et les comparer facilement aux solutions de pointe avec l'aide d'OpenGait.
Ce dépôt contient un projet complet de vision par ordinateur/apprentissage automatique sur le football qui utilise YOLO pour la détection d'objets, Kmeans pour la segmentation des pixels, le flux optique pour le suivi du mouvement et la transformation de perspective pour analyser les mouvements des joueurs dans les vidéos de football.
Apprendre OpenCV 4 Computer Vision avec Python 3 – Troisième Édition, publié par Packt
[ECCV2024 - Oral, Candidat au Prix du Meilleur Article] SEA-RAFT : RAFT simple, efficace et précis pour le flux optique
Rétro-ingénierie des prompts de vidéos IA, intègre une fonction d'analyse audio pour extraire les dialogues et textes, et permet de monter la vidéo souhaitée en une seule phrase.
Donnez aux agents d’IA des yeux, des oreilles et des résultats vérifiables. Watch Skill transforme les vidéos, l’audio et l’activité à l’écran en preuves horodatées et consultables, et atteste le travail à l’aide de contrats déterministes, et non des avis du modèle. DeepWatch est l’espace de travail pour agents conçu sur DeepSeek Harness. Python + npm, MCP, CLI, REST et Web.
MegSpot est une application efficace, professionnelle et multiplateforme de comparaison d'images et de vidéos
Profondeur de toute vidéo avec des données synthétiques évolutives (ICLR 2025)
Foire aux questions
Quel est le dépôt #video-analysis le plus populaire sur GitHub ?
Le projet #video-analysis open source le mieux classé sur GitHub est JuneYaooo/rea-video, avec 11,577 étoiles. Procédez à la rétro-ingénierie de n’importe quelle vidéo, plan par plan : découvrez si elle a été filmée, générée par IA ou créée par code, et comment la reproduire. Décompositions au format ouvert VIDEO.md.
Quels langages de programmation sont les plus utilisés dans les dépôts #video-analysis ?
Parmi les projets #video-analysis les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, TypeScript, Jupyter Notebook, C++.
Comment le classement des dépôts #video-analysis est-il calculé ?
Nous suivons 27 dépôts open source actifs associés à #video-analysis (500+ étoiles), totalisant 44,976 étoiles, avec une moyenne de 1,665 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.