From bd4b8653798b31cf406718c27b2f289c09724be3 Mon Sep 17 00:00:00 2001
From: Jack <162385602+joaoportolan93@users.noreply.github.com>
Date: Thu, 31 Oct 2024 03:16:10 -0300
Subject: [PATCH] README_pt_BR
I fully translated the documentation to broaden the reach and accessibility of the project, allowing more people to understand and use it, regardless of language. This translated version facilitates the understanding of the functionalities and applications of co-tracker, making the documentation accessible to a wider audience and promoting its use in different contexts and research areas.
---
README_pt_BR | 151 +++++++++++++++++++++++++++++++++++++++++++++++++++
1 file changed, 151 insertions(+)
create mode 100644 README_pt_BR
diff --git a/README_pt_BR b/README_pt_BR
new file mode 100644
index 00000000..06d7267d
--- /dev/null
+++ b/README_pt_BR
@@ -0,0 +1,151 @@
+# CoTracker3: Rastreamento de Pontos Mais Simples e Melhorado por Pseudo-Rotulagem de Vídeos Reais
+
+**[Meta AI Research, GenAI](https://ai.facebook.com/research/)**; **[University of Oxford, VGG](https://www.robots.ox.ac.uk/~vgg/)**
+
+[Nikita Karaev](https://nikitakaraevv.github.io/), [Iurii Makarov](https://linkedin.com/in/lvoursl), [Jianyuan Wang](https://jytime.github.io/), [Ignacio Rocco](https://www.irocco.info/), [Benjamin Graham](https://ai.facebook.com/people/benjamin-graham/), [Natalia Neverova](https://nneverova.github.io/), [Andrea Vedaldi](https://www.robots.ox.ac.uk/~vedaldi/), [Christian Rupprecht](https://chrirupp.github.io/)
+
+### [Página do Projeto](https://cotracker3.github.io/) | [Artigo #1](https://arxiv.org/abs/2307.07635) | [Artigo #2](https://arxiv.org/abs/2410.11831) | [Tópico no X](https://twitter.com/n_karaev/status/1742638906355470772) | [BibTeX](#citing-cotracker)
+
+
+ 
+
+
+ 
+
+
+
+
+**CoTracker** é um modelo rápido baseado em transformadores que pode rastrear qualquer ponto em um vídeo. Ele traz para o rastreamento alguns dos benefícios do Fluxo Óptico.
+
+CoTracker pode rastrear:
+
+- **Qualquer pixel** em um vídeo
+- Um conjunto **quase denso** de pixels em conjunto
+- Pontos que podem ser selecionados manualmente ou amostrados em uma grade em qualquer quadro de vídeo
+
+Experimente esses modos de rastreamento com nosso [demo no Colab](https://colab.research.google.com/github/facebookresearch/co-tracker/blob/master/notebooks/demo.ipynb) ou no [Espaço Hugging Face 🤗](https://huggingface.co/spaces/facebook/cotracker).
+
+**Atualizações:**
+
+- [15 de outubro de 2024] 📣 Estamos lançando o CoTracker3! Rastreamento de pontos de última geração com uma arquitetura leve, treinada com 1000 vezes menos dados do que os modelos de melhor desempenho anteriores. Código para modelos de referência e o pipeline de pseudo-rotulagem estão disponíveis no repositório, assim como os pontos de verificação do modelo. Confira nosso [artigo](https://arxiv.org/abs/2410.11831) para mais detalhes.
+
+- [25 de setembro de 2024] CoTracker2.1 está disponível! Este modelo tem um desempenho melhor nos benchmarks TAP-Vid e segue a arquitetura do CoTracker original. Experimente!
+
+- [14 de junho de 2024] Lançamos o código para [VGGSfM](https://github.com/facebookresearch/vggsfm), um modelo para recuperar poses de câmera e estrutura 3D a partir de sequências de imagens com base no rastreamento de pontos! VGGSfM é o primeiro framework SfM totalmente diferenciável que desbloqueia escalabilidade e supera métodos convencionais de SfM em benchmarks padrão.
+
+- [27 de dezembro de 2023] CoTracker2 está agora disponível! Ele agora pode rastrear muitos mais (até **265*265**!) pontos conjuntamente e possui uma implementação mais limpa e eficiente em termos de memória. Também oferece suporte a processamento online. Consulte o [artigo atualizado](https://arxiv.org/abs/2307.07635) para mais detalhes. A versão antiga permanece disponível [aqui](https://github.com/facebookresearch/co-tracker/tree/8d364031971f6b3efec945dd15c468a183e58212).
+
+- [5 de setembro de 2023] Agora você pode executar nosso demo do Gradio [localmente](./gradio_demo/app.py).
+
+## Início Rápido
+A maneira mais fácil de usar o CoTracker é carregar um modelo pré-treinado de `torch.hub`:
+
+### Modo Offline:
+```pip install imageio[ffmpeg]```, depois:
+```python
+import torch
+# Baixar o vídeo
+url = 'https://github.com/facebookresearch/co-tracker/raw/refs/heads/main/assets/apple.mp4'
+
+import imageio.v3 as iio
+frames = iio.imread(url, plugin="FFMPEG") # plugin="pyav"
+
+device = 'cuda'
+grid_size = 10
+video = torch.tensor(frames).permute(0, 3, 1, 2)[None].float().to(device) # B T C H W
+
+# Executar CoTracker Offline:
+cotracker = torch.hub.load("facebookresearch/co-tracker", "cotracker3_offline").to(device)
+pred_tracks, pred_visibility = cotracker(video, grid_size=grid_size) # B T N 2, B T N 1
+```
+### Modo Online:
+```python
+cotracker = torch.hub.load("facebookresearch/co-tracker", "cotracker3_online").to(device)
+
+# Executar CoTracker Online, o mesmo modelo com uma API diferente:
+# Inicializar processamento online
+cotracker(video_chunk=video, is_first_step=True, grid_size=grid_size)
+
+# Processar o vídeo
+for ind in range(0, video.shape[1] - cotracker.step, cotracker.step):
+ pred_tracks, pred_visibility = cotracker(
+ video_chunk=video[:, ind : ind + cotracker.step * 2]
+ ) # B T N 2, B T N 1
+```
+O processamento online é mais eficiente em termos de memória e permite o processamento de vídeos mais longos. No entanto, no exemplo acima, o comprimento do vídeo é conhecido! Consulte [o demo online](./online_demo.py) para um exemplo de rastreamento a partir de uma transmissão online com um comprimento de vídeo desconhecido.
+
+### Visualizar Trilhas Previstos:
+Após [instalar](#installation-instructions) o CoTracker, você pode visualizar as trilhas com:
+```python
+from cotracker.utils.visualizer import Visualizer
+
+vis = Visualizer(save_dir="./saved_videos", pad_value=120, linewidth=3)
+vis.visualize(video, pred_tracks, pred_visibility)
+```
+
+Oferecemos várias outras formas de interagir com o CoTracker:
+
+1. Demo interativo do Gradio:
+ - Um demo está disponível no [Espaço Hugging Face 🤗 `facebook/cotracker`](https://huggingface.co/spaces/facebook/cotracker).
+ - Você pode usar o demo do Gradio localmente executando [`python -m gradio_demo.app`](./gradio_demo/app.py) após instalar os pacotes necessários: `pip install -r gradio_demo/requirements.txt`.
+2. Notebook Jupyter:
+ - Você pode executar o notebook no
+ [Google Colab](https://colab.research.google.com/github/facebookresearch/co-tracker/blob/master/notebooks/demo.ipynb).
+ - Ou explorar o notebook localizado em [`notebooks/demo.ipynb`](./notebooks/demo.ipynb).
+2. Você pode [instalar](#installation-instructions) o CoTracker _localmente_ e então:
+ - Executar um demo *offline* com 10 ⨉ 10 pontos amostrados em uma grade no primeiro quadro de um vídeo (os resultados serão salvos em `./saved_videos/demo.mp4`)):
+
+ ```bash
+ python demo.py --grid_size 10
+ ```
+ - Executar um demo *online*:
+
+ ```bash
+ python online_demo.py
+ ```
+
+Uma GPU é fortemente recomendada para usar o CoTracker localmente.
+
+
+
+
+## Instruções de Instalação
+Você pode usar um modelo pré-treinado via PyTorch Hub, como descrito acima, ou instalar o CoTracker a partir deste repositório GitHub.
+Essa é a melhor maneira se você precisar executar nosso demo local ou avaliar/treinar o CoTracker.
+
+Certifique-se de ter _PyTorch_ e _TorchVision_ instalados em seu sistema. Siga as instruções [aqui](https://pytorch.org/get-started/locally/) para a instalação.
+Recomendamos fortemente instalar PyTorch e TorchVision com suporte a CUDA, embora para pequenas tarefas o CoTracker possa ser executado na CPU.
+
+
+
+
+### Instalar uma Versão de Desenvolvimento
+
+```bash
+git clone https://github.com/facebookresearch/co-tracker
+cd co-tracker
+pip install -e .
+pip install matplotlib flow_vis tqdm tensorboard
+```
+
+Você pode baixar manualmente todos os pontos de verificação do CoTracker3 (modelos base e escalados,
+
+ `cotracker3_l.pth` e `cotracker3_s.pth`), que estão disponíveis [nesta página](https://cotracker3.github.io).
+
+## Citando o CoTracker
+Por favor, cite CoTracker se você usá-lo em sua pesquisa:
+```bibtex
+@inproceedings{karaev2023cotracker,
+ title={CoTracker: It is Better to Track Together},
+ author={Karaev, Nikita and Makarov, Iurii and Wang, Jianyuan and Rocco, Ignacio and Graham, Benjamin and Neverova, Natalia and Vedaldi, Andrea and Rupprecht, Christian},
+ booktitle={Proceedings of the IEEE International Conference on Computer Vision (ICCV)},
+ year={2023}
+}
+@article{karaev2024cotracker3,
+ title={CoTracker3: State-of-the-art Point Tracking with Minimalistic Architectures and Video Pseudo-labeling},
+ author={Karaev, Nikita and Makarov, Iurii and Wang, Jianyuan and Rocco, Ignacio and Graham, Benjamin and Neverova, Natalia and Vedaldi, Andrea and Rupprecht, Christian},
+ journal={arXiv preprint arXiv:2410.11831},
+ year={2024}
+}
+```
+