一个专门面向长视频生成的电影级数据集，特点是包含完整电影长度的视频、连贯的故事情节和多场景叙事，确保角色外观和音频在不同场景中的一致性，并提供分层的数据结构，包含高层电影信息和详细的镜头级描述
文本到视频分数(T2VScore)，一个新的评估指标，从文本符合度和视频质量两个维度全面评估视频生成。
MiraData是一个高质量的视频数据集，在视频时长、字幕细节、运动强度和视觉质量方面超越了以前的数据集。
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
由S-Lab、南洋理工大学和上海人工智能实验室联合发布的文本驱动的人物视频生成技术，能够根据用户输入的文本描述生成高质量的人物视频，支持多种风格和场景，提供用户友好的操作界面。
E.T. Bench旨在实现开放事件级的视频语言理解，结合视频和语言数据，推动多模态学习的进展。
Lightning AI是一个使用PyTorch训练、部署和构建AI模型的平台，以其超快的性能而闻名。它由PyTorch Lightning的创作者开发，提供用户友好的界面来管理训练过程和监控模型性能，适用于计算机视觉、自然语言处理、推荐系统和强化学习等多个领域。
Open-Sora-Plan 是由北京大学YuanGroup团队与北大-兔展AIGC联合实验室共同发起的项目，旨在复现OpenAI的Sora模型。该项目结合了视频VQ-VAE、Denoising Diffusion Transformer等技术，支持可变长宽比、分辨率和持续时间的视频生成。项目还提供了高质量的数据清洗策略、提示精炼器等功能，以增强对联合时空特征的捕获，并应用于创意短片生成、学术研究等领域。
3PSDF是一个用于学习任意拓扑表面的签名距离函数的项目，采用三极点方法，能够高效地重建复杂表面。
HPT项目致力于通过结合多种预训练变换器来扩展自我感知与视觉学习的能力，旨在提高学习效率并适应多种复杂任务。
Landing AI 是一个计算机视觉平台和人工智能软件公司，提供名为 LandingLens 的云计算机视觉软件平台。用户可以通过自然提示交互在几分钟内创建自定义计算机视觉项目，使构建计算机视觉系统变得快速、简单和直观。用户可以直接拖放图像或通过网络摄像头捕获实时图像，使用标记工具标记图像中的对象，创造高质量的训练数据以实现最大准确性。标记后，用户可以训练模型并评估其性能。一旦模型足够准确，可以通过几次鼠标点击将其部署到云端或边缘设备。用户可以监控模型性能并根据需要进行更新。
TorchScale 包含我们在Transformers稳定性（DeepNet）、通用性（Magneto/Foundation Transformers）和效率性（X-MoE）的一系列研究的官方实现。我们希望通过基础本质的研究探索AI（尤其是大模型）的通用结构，并在NLP，CV，Speech和多模态等领域的任务和基础模型中广泛验证，欢迎大家使用、交流、合作开发。
DC-ShadowNet是一个基于无监督领域分类器引导网络的单图像硬软影子去除项目，旨在有效处理图像中的影子，提升视觉质量。
