Home Progetti VisTR
VisTR
Python

VisTR

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

di YuqingWang1029 · GitHub
Stelle
Fork
Licenza
Creato
Ultimo commit
Categoria
Lingua
cvpr2021instance-segmentationtransformersApache-2.0Python
Visualizza su GitHub
In parole semplici

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

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
2026-07-202026-08-31
📈 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?
olud.ai badge — VisTR

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

[![olud.ai](https://olud.ai/badge.php?tool=yuqingwang1029-vistr)](https://olud.ai/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.