动作识别框架

ACTION-Net是一个使用多路径激励机制的动作识别框架，致力于在视频数据集中实现高效的动作识别。它采用先进的技术，提供了在不同场景下出色的动作识别性能，适用于实时监控和分析。

UniMoCap是一个社区实现，旨在统一文本-动作数据集（HumanML3D、KIT-ML和BABEL）以及全身动作数据集（Motion-X）。

一个用于姿势捕捉和动作捕捉的在线系统，提供增强的功能和用户体验。

Pyttipanna是一个为Pytti 5提供接口的框架，旨在利用机器学习模型创建和渲染视频。用户可以通过结构化、叙述和实验化视频创作的提示来实现自己的创意。

包含10万个压缩驾驶视频的数据集，用于机器学习研究，可用于GPT视频预测模型的实验，还包含编码器/解码器和视频预测模型示例

Aporia.com是一个集成的AI控制平台，提供实时的护航和安全解决方案，旨在降低AI风险，确保可靠和安全的AI响应，保护知识产权，并监控和优化AI模型的表现。

LoginLlama是一套API，旨在检测可疑登录并为互联网企业提供额外的客户安全保护。它帮助开发人员保护用户免受黑客攻击，防止未授权访问敏感数据。通过API调用，开发人员可以将其集成到现有的登录流程中，基于历史行为、AI分析、请求来源和用户代理等多种因素检查登录尝试的可疑性。LoginLlama的先进算法可以实时警报任何可疑活动，为客户提供增强的安全性。

Probable Motion项目通过预测可能的运动模式，提供了一种无监督的多目标分割方法，能够在视频帧中精准地识别并分离出多个对象。该方法在处理复杂场景时表现出色，尤其适用于动态视频数据的分析和理解。

PostgresML是一个完整的MLops平台，以简单的PostgreSQL扩展形式存在。它允许用户在数据库内部快速、简单且强大地构建模型。