Communitygithub.com

David-Li0406/meta-skill-evloving

Um programa Python para detectar anomalias em vídeos usando o modelo VideoMAEForPreTraining. Ele processa vídeos dividindo-os em clipes de 16 quadros, extrai embeddings usando uma máscara booleana não mascarada e os compara com um perfil de comportamento normal usando Erro Quadrático Médio (MSE).

O que é meta-skill-evloving?

Esta habilidade do agente AI implementa um pipeline de detecção de anomalias em vídeo utilizando o modelo `VideoMAEForPreTraining` (MCG-NJU/videomae-base) da biblioteca Hugging Face Transformers. Ela lê arquivos de vídeo (via OpenCV), divide-os em clipes de exatamente 16 quadros e pré-processa cada clipe com `AutoImageProcessor` para gerar `pixel_values`. Durante a extração de características, calcula o número de patches por quadro e o comprimento da sequência, cria um tensor `bool_masked_pos` todo falso (desabilitando mascaramento) e passa ambos ao modelo para obter embeddings. A partir de um conjunto de vídeos normais, a habilidade agrega (média) os embeddings para formar um "perfil de comportamento normal". Para detecção, calcula o Erro Quadrático Médio (MSE) entre o embedding do clipe atual e esse perfil, sinalizando como anômalos clipes cujo erro ultrapasse um limiar definido. É útil para desenvolvedores e engenheiros de ML que precisam de um ponto de partida sólido para sistemas de vigilância inteligente ou monitoramento de processos, com código limpo e seguindo as melhores práticas do ecossistema PyTorch e Transformers.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/David-Li0406/meta-skill-evloving/tree/HEAD/AutoSkill/SkillBank/ConvSkill/english_gpt4_8/video-anomaly-detection-with-videomae

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Detecção de Anomalias em Vídeos com VideoMAE

Um programa Python para detectar anomalias em vídeos usando o modelo VideoMAEForPreTraining. Ele processa vídeos dividindo-os em clipes de 16 quadros, extrai embeddings usando uma máscara booleana não mascarada e os compara com um perfil de comportamento normal usando Erro Quadrático Médio (MSE).

Prompt

Função e Objetivo

Você é um Engenheiro de Aprendizado de Máquina especializado em visão computacional e PyTorch. Sua tarefa é escrever um programa Python para realizar detecção de anomalias em vídeos usando o modelo VideoMAEForPreTraining da biblioteca Hugging Face transformers.

Regras e Restrições Operacionais

  1. Carregamento do Modelo: Use VideoMAEForPreTraining.from_pretrained("MCG-NJU/videomae-base") e AutoImageProcessor do mesmo checkpoint.
  2. Processamento de Vídeo: Implemente uma função para ler um arquivo de vídeo (por exemplo, usando OpenCV) e dividi-lo em clipes de exatamente 16 quadros.
  3. Pré-processamento: Use o AutoImageProcessor para pré-processar a lista de quadros em pixel_values.
  4. Extração de Características:
    • Calcule num_patches_per_frame e seq_length com base na configuração do modelo e no número de quadros.
    • Inicialize bool_masked_pos como um tensor de zeros (tudo Falso) para desabilitar o mascaramento durante a inferência.
    • Passe pixel_values e bool_masked_pos para o modelo a fim de obter as saídas.
  5. Perfil de Comportamento Normal: Implemente uma função para calcular um "perfil de comportamento normal" agregando (por exemplo, pela média) os embeddings extraídos de um conjunto de dados de vídeos normais.
  6. Detecção de Anomalias: Implemente uma função para detectar anomalias calculando o Erro Quadrático Médio (MSE) entre os embeddings do clipe de vídeo atual e o perfil de comportamento normal. Sinalize quadros ou clipes como anômalos se o erro exceder um limiar definido.

Anti-Padrões

  • Não use get_image_features, pois este método não existe para VideoMAEForPreTraining.
  • Não chame a passagem direta do modelo sem o argumento bool_masked_pos obrigatório.
  • Não presuma que o modelo retorna last_hidden_state diretamente sem verificar a estrutura do objeto de saída (pode ser necessário acessar atributos específicos ou manipular o objeto de saída de forma diferente).
  • Não use dados aleatórios para o perfil de comportamento normal em uma implementação final; utilize dados normais reais.

Gatilhos

  • Escreva um programa python usando o modelo videoMAE para detecção de anomalias
  • Detecção de anomalias em vídeos usando VideoMAEForPreTraining
  • Detecte anomalias em vídeo usando videomae e máscara booleana não mascarada

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

David-Li0406/meta-skill-evloving

Browser automation with persistent page state. Use when users ask to navigate websites, fill forms, take screenshots, extract web data, test web apps, or automate browser workflows. Trigger phrases include "go to [url]", "click on", "fill out the form", "take a screenshot", "scrape", "automate", "test the website", "log into", or any browser interaction request.

David-Li0406/meta-skill-evloving

Create technical diagrams using Mermaid syntax for architecture, sequences, ERDs, flowcharts, and state machines. Use for visualizing system design, data flows, and processes. Triggers: diagram, mermaid, architecture diagram, sequence diagram, flowchart, ERD, entity relationship, state diagram, C4 model, component diagram, visualize, draw.

David-Li0406/meta-skill-evloving

Comprehensive document creation, editing, and analysis with support for tracked changes, comments, formatting preservation, and text extraction. When Claude needs to work with professional documents (.docx files) for: (1) Creating new documents, (2) Modifying or editing content, (3) Working with tracked changes, (4) Adding comments, or any other document tasks

David-Li0406/meta-skill-evloving

Complete color manipulation and green screen effects system. PROACTIVELY activate for: (1) Green screen/chromakey removal, (2) Color grading with LUTs, (3) Color correction (levels, curves, white balance), (4) Colorkey/color removal effects, (5) Hue/saturation manipulation, (6) Color space conversions (BT.709, BT.2020, HDR), (7) Color isolation effects, (8) Teal and orange look, (9) Vintage/film looks, (10) Color keying for transparency. Provides: chromakey and colorkey filters, LUT application (lut3d), curves and levels adjustment, color balance, selective color manipulation, color space handling, HDR tone mapping, professional color grading chains.

David-Li0406/meta-skill-evloving

Convert files and office documents to Markdown. Supports PDF, DOCX, PPTX, XLSX, images (with OCR), audio (with transcription), HTML, CSV, JSON, XML, ZIP, YouTube URLs, EPubs and more.

David-Li0406/meta-skill-evloving

Guide for creating high-quality MCP (Model Context Protocol) servers that enable LLMs to interact with external services through well-designed tools. Use when building MCP servers to integrate external APIs or services, whether in Python (FastMCP) or Node/TypeScript (MCP SDK).

David-Li0406/meta-skill-evloving

Build with OpenAI's stateless APIs - Chat Completions (GPT-5, GPT-4o), Embeddings, Images (DALL-E 3), Audio (Whisper + TTS), and Moderation. Includes Node.js SDK and fetch-based approaches for Cloudflare Workers. Use when: implementing chat completions with GPT-5/GPT-4o, streaming responses with SSE, using function calling/tools, creating structured outputs with JSON schemas, generating embeddings for RAG (text-embedding-3-small/large), generating images with DALL-E 3, editing images with GPT-Image-1, transcribing audio with Whisper, synthesizing speech with TTS (11 voices), moderating content (11 safety categories), or troubleshooting rate limits (429), invalid API keys (401), function calling failures, streaming parse errors, embeddings dimension mismatches, or token limit exceeded.

David-Li0406/meta-skill-evloving

Comprehensive PDF manipulation toolkit for extracting text and tables, creating new PDFs, merging/splitting documents, and handling forms. When Claude needs to fill in a PDF form or programmatically process, generate, or analyze PDF documents at scale.

David-Li0406/meta-skill-evloving

Presentation creation, editing, and analysis. When Claude needs to work with presentations (.pptx files) for: (1) Creating new presentations, (2) Modifying or editing content, (3) Working with layouts, (4) Adding comments or speaker notes, or any other presentation tasks

David-Li0406/meta-skill-evloving

Comprehensive spreadsheet creation, editing, and analysis with support for formulas, formatting, data analysis, and visualization. When Claude needs to work with spreadsheets (.xlsx, .xlsm, .csv, .tsv, etc) for: (1) Creating new spreadsheets with formulas and formatting, (2) Reading or analyzing data, (3) Modify existing spreadsheets while preserving formulas, (4) Data analysis and visualization in spreadsheets, or (5) Recalculating formulas

David-Li0406/meta-skill-evloving

Download YouTube videos with customizable quality and format options. Use this skill when the user asks to download, save, or grab YouTube videos. Supports various quality settings (best, 1080p, 720p, 480p, 360p), multiple formats (mp4, webm, mkv), and audio-only downloads as MP3.

David-Li0406/meta-skill-evloving

Best practices for Remotion - Video creation in React

David-Li0406/meta-skill-evloving

Provides bidirectional translation (Chinese/English), grammar checking, and sentence polishing. Supports specific tense constraints, context-aware tone adjustment, and natural expression optimization. Outputs direct text without formatting.

David-Li0406/meta-skill-evloving

指导如何通过自定义注解(如@Unicom)标识Dubbo接口,利用BeanDefinitionRegistryPostProcessor在启动时扫描并动态注册ReferenceBean,实现RPC调用的封装。

David-Li0406/meta-skill-evloving

生成Python脚本,利用FFmpeg将图片序列按3x3布局合并,或将合并图拆分。要求使用subprocess模块执行命令,并支持用户交互式输入路径。

David-Li0406/meta-skill-evloving

SOP for extracting and analyzing promotional activity details, handling time formatting, location mapping, payment logic, and step-by-step process validation.

David-Li0406/meta-skill-evloving

Specializes in creating TikTok short video scripts using an anthropomorphic 'Chef' perspective to explain wildlife food chains and survival environments, utilizing real field footage.

David-Li0406/meta-skill-evloving

针对TikTok平台,以拟人化视角(如动物作为厨师)创作系列短视频脚本。重点介绍野生动物、食物链及生态环境,要求使用野外实拍素材,风格幽默且具有教育意义。

David-Li0406/meta-skill-evloving

Generates KWL (Know, Want to know, Learned) charts for educational videos, specifically BrainPOP, using simple 7th-grade language and short, concise bullet points.

David-Li0406/meta-skill-evloving

Tracks complex, multi-session work using the Beads issue tracker and dependency graphs, and provides persistent memory that survives conversation compaction. Use when work spans multiple sessions, has complex dependencies, or needs persistent context across compaction cycles. Trigger with phrases like "create task for", "what's ready to work on", "show task", "track this work", "what's blocking", or "update status".

Habilidades Relacionadas