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。
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
Apollo是一个专为视频理解设计的一系列大型多模态模型，能处理视频语言任务，包括长视频理解、时间推理和多轮视频对话，具有高效扩展性和优异的性能表现。
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。
Segment Anything是由Meta AI推出的图像分割大模型，专为图像分割任务设计，能够实现快速、准确的图像区域分割，支持任何物体的自动分割。该模型支持零样本转移到其他分割任务，无需标注训练数据，适用于各类图像分割应用。包含10亿的掩码数据集SA-1B，规模比现有分割数据集大400倍，提供开源代码和模型，支持实时视频流处理，具有高效推理能力和灵活的人机交互接口。
