Startseite Projekte Cutie
Cutie
Python

Cutie

[CVPR 2024 Highlight] Das Objekt zurück in die Video-Objektsegmentierung bringen

von hkchengrex · GitHub
Sterne
Forks
Lizenz
Erstellt
Letzter Commit
Sprache
computer-visioncvpr2024deep-learningMITPython
Auf GitHub ansehen
In einfachen Worten

Segmentieren Sie Objekte in Videos mit einem benutzerfreundlichen interaktiven Tool.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
Cutie — GitHub preview card
📈 Sternhistorie
1 0781 077
2026-07-202026-08-31
📈 Cutie verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

[CVPR 2024 Highlight] Das Objekt zurück in die Video-Objektsegmentierung bringen

Cutie hat 1.1k Sterne auf GitHub. Es wurde 111-mal geforkt. Cutie ist hauptsächlich in Python geschrieben. Es wird seit 2023 aktiv entwickelt. Cutie ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: computer-vision, cvpr2024, deep-learning, pytorch.

Frequently asked questions

Was ist Cutie?

[CVPR 2024 Highlight] Das Objekt zurück in die Video-Objektsegmentierung bringen

Ist Cutie Open Source?

Cutie ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.

Ist Cutie kostenlos?

Ja. Cutie ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht Cutie?

Cutie ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist Cutie geschrieben?

Cutie ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — Cutie

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=hkchengrex-cutie)](https://olud.ai/project/hkchengrex-cutie.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.