#视频数据集
共 7 篇相关文章
·12 分钟
机器人学习数据采集：第一视角、UMI与遥操作三种范式深度对比
深度解析机器人学习三种主流数据采集方式：第一视角数据、UMI夹爪数据与遥操作数据的本质区别、优劣势及应用场景，帮助开发者理解具身智能领域的数据策略选择。
阅读全文 →
·9 分钟
谷歌SL2T模型：手语实时转文字技术登陆Pixel 11
谷歌发布SL2T手语转文字模型，支持美国手语实时转换为英文文本，深度整合Gboard输入法与Live Transcribe，率先在Pixel 11端侧部署，为聋人及听障用户提供系统级无障碍交互体验。
阅读全文 →
·11 分钟
AI视频生成进化史：从Will Smith吃面翻车到电影级画质
从ModelScope的Will Smith吃面翻车名场面，到Sora、Kling等模型生成电影级视频，回顾AI视频生成技术在短短两三年内的惊人飞跃，解析扩散模型与DiT架构如何推动文本生成视频的革命性进步。
阅读全文 →
·9 分钟
RecipeBook：按小时购买AI视频训练数据的新范式
RecipeBook是一个视频数据交易平台，收录超2500万视频片段，支持语义搜索和偏好学习，允许开发者以每小时3美元按需购买AI训练数据，将传统B2B数据采购流程压缩为自助式即用即付体验。
阅读全文 →
·6 分钟
YOLO-Pose实时瑜伽姿态识别与纠错系统详解
深度解析基于YOLO-Pose的实时瑜伽姿态识别系统：如何用33个人体关键点追踪、确定性逻辑引擎与几何角度阈值，打造可解释的AI虚拟瑜伽教练，实现姿态分类与实时纠错。
阅读全文 →
·10 分钟
三种提示词风格组合制作AI视频：多模态控制实战技巧
详解将3D体块预览、手绘分镜草图和角色设定图三种提示词风格组合使用的AI视频制作方法，从空间引导、叙事构图到角色一致性，全面提升AI视频生成的可控性与质量。
阅读全文 →
