video-processing

本文介绍Video2LoRA，一种直接从视频表示预测低秩适配（LoRA）权重的方法，能够在冻结的视觉-语言模型中实现高效的视频处理。它将视觉令牌负载降低最多1500倍，查询TTFT降低6-80倍，同时在视频摘要和字幕生成基准上保持性能。

FaceFusion 是一个拥有 28.5k star 的开源人脸融合/Deepfake 平台，支持本地高精度人脸交换、唇形同步，以及图片、视频和批量处理，提供完整的任务管理系统。

构建了一个代理技能，可以从YouTube视频中提取幻灯片，并将笔记、图像、转录和幻灯片写入Obsidian知识库，同时提供一个HTML工件用于导航。

Swift Sampling 是一种无需训练的视频帧选择算法，利用泰勒展开检测长视频中的高信息量时刻。通过识别实际视觉特征与预测特征轨迹的偏差，该算法在视频问答任务中能以极低计算开销提升准确率。

video-utils 是一个托管在 Replicate 上的视频处理工具，运行次数超过 1800 万，可通过 playground 和 API 使用。