Home Progetti VisTR
VisTR

VisTR

di YuqingWang1029 · GitHub

[CVPR2021 Oral] Segmentazione di Istanza Video End-to-End con Transformers

Visualizza su GitHub
In parole semplici

Segmenta e analizza oggetti nei video utilizzando tecniche AI avanzate con questa implementazione.

⭐ Stelle
🍴 Fork
📜 Licenza
Uso commerciale consentito
📅 Creato
🔄 Ultimo commit
🏷️ Categoria
💻 Lingua
Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
VisTR — GitHub preview card
📈 Storia delle stelle
758757
2026-07-202026-07-29
📈 Segui VisTR

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

[CVPR2021 Oral] Segmentazione di Istanza Video End-to-End con Transformers

VisTR ha 757 stelle su GitHub. È stato forkato 97 volte. VisTR è scritto principalmente in Python. È in sviluppo attivo dal 2021. VisTR è disponibile con licenza Apache-2.0. I suoi temi principali sono: cvpr2021, instance-segmentation, transformers, video-instance-segmentation.

Frequently asked questions

Che cos'è VisTR?

[CVPR2021 Oral] Segmentazione di Istanza Video End-to-End con Transformers

VisTR è open source?

VisTR è un progetto open source. È rilasciato con licenza Apache-2.0.

VisTR è gratuito?

Sì. VisTR è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è VisTR?

VisTR è disponibile con licenza Apache-2.0.

In quale linguaggio è scritto VisTR?

VisTR è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
OpenSourceAI badge — VisTR

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=yuqingwang1029-vistr)](https://opensourceai.tech/project/yuqingwang1029-vistr.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.