项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 475
技术标签
使用教程
ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。
环境要求
- Python
- CUDA GPU
- 大容量磁盘
安装与启动步骤
-
1先看数据集
视频与标注在数据集平台发布，先确认能取到。
-
2装代码环境
两个子工程各有依赖。
pip install -r requirements.txt -
3跑演示
官方给了在线与自部署两种演示。
-
4理解两个子任务
一个做片段级理解，一个做跨片段检索。
如何确认成功
能用示例片段跑通一次片段级描述，并针对一段长视频做一次跨片段检索并命中正确片段
注意事项
- 它是第一人称长视频理解的项目，配套数据集、微调模型与检索两套代码。
- 数据集体量很大，下载与存储成本要提前算。
- 两个子工程解决不同问题，别混着读。
- 第一人称视频涉隐私，自采数据要处理肖像与场所信息。
核心亮点
- 首个聚焦第一人称视频生活助手的开源项目，赛道新颖
- 提供从视频解析到自然语言问答的完整pipeline，上手直接
- 基于CVPR 2025论文，方法有学术支撑，技术路线清晰
不足之处
- 早期项目，文档和社区生态待观察
- 依赖大量第一人称视频数据，数据获取成本高
- 长视频处理的实时性和计算资源消耗未明确优化
适用场景
- 智能眼镜用户快速检索昨天见过的人或物
- 研究人员开发第一人称视频理解算法
- 个人生活日志自动生成摘要和回忆提示
替代项目
Ego4D、TimeSformer、VideoLLaMA
同类项目推荐
NED
开源
一句话驱动视频人脸表情编辑，影视级效果轻松实现
PyTorch implementation for NED (CVPR 2022). It can be used to manipulate the facial ···
Meshroom
开源
拖拽节点，从照片自动生成三维模型
Node-based Visual Programming Toolbox
awesome-described-object-detecti···
开源
一页看全开放词汇与指代检测论文资源
A curated list of papers and resources related to Described Object Detection, Open-V···
GiT
开源
一个Transformer搞定分类、检测、分割和生成，视觉任务不再分家。
[ECCV2024 Oral] Official Implementation of "GiT: Towards Generalist Vision Transform···
mica-ppocr
开源
Java 项目引入依赖即可本地识别证件，无需 Python 和 PaddlePaddle
PP-OCRv6 纯 Java 图片 OCR（ONNX Runtime，零 PaddlePaddle 依赖，bit-exact 对位 Python···
panseg
开源
一键分割3D密集细胞，精准区分每个个体
A tool for cell instance aware segmentation in densely packed 3D volumetric images
CLOUDS
开源
多模型协作，让语义分割在陌生场景下依然稳准狠
[CVPR 2024] Official Implementation of Collaborating Foundation models for Domain Ge···
readur
开源
上传图片即出文字，自建 OCR 像用网盘一样简单
Quick, painless, intuitive OCR platform written in Rust and TypeScript. Modern UI wi···
EgoLife
开源
戴上眼镜录视频，AI帮你回忆和检索生活瞬间
[CVPR 2025] EgoLife: Towards Egocentric Life Assistant