#computer-vision Repositories
Insgesamt 1,451 Repositories
Code-Repository für die CVPR 2023 Arbeit "PanoHead: Geometrie-bewusste 3D-Gesamtkopf-Synthese in 360 Grad"
[ICCV 2025 Highlight] OminiControl: Minimale und universelle Steuerung für Diffusion Transformer
Monkey (LMM): Bildauflösung und Textetikett sind wichtige Dinge für große multimodale Modelle (CVPR 2024 Highlight)
[ECCV 2022] XMem: Langzeitorientierte Videoschnittmaskensegmentierung mit einem Atkinson-Shiffrin-Gedächtnismodell
3.516 kuratierte Figure 1 / Teaser von ICLR, ICML, NeurIPS, CVPR, ACL und AAAI (2023–2026), mit Stufen-Badges und FigureForge-gestützter, retrieval-erweiterter Figurenerstellung
CUDA-beschleunigte Bibliothek für visuelle Odometrie und SLAM zur schnellen, präzisen Kameraverfolgung mit geringer Latenz
Augmented Reality (AR) Entwicklungsinformationen (Zusammenfassung der AR-Entwicklungsressourcen) --- zusammengestellt von AIRX
[ICCV'25 Best Paper Finalist] ReCamMaster: Kameragesteuertes generatives Rendering aus einem einzigen Video
Leistungsstarke und einfach zu bedienende Software für den Austausch und die Bearbeitung von Gesichtern in Videos
Genaue 3D-Gesichtsrekonstruktion mit schwach überwachtem Lernen: Vom Einzelbild zum Bildsatz (CVPRW 2019). Eine PyTorch-Implementierung.
[ICCV 2023] Make-It-3D: Hochwertige 3D-Erstellung aus einem einzigen Bild mit Diffusions-Prior
Dies ist eine Liste von Ressourcen für die Bildverbesserung bei schwachem Licht
Ein allgemeines probabilistisches Programmiersystem mit programmierbarer Inferenz
😎 Eine aktuelle & kuratierte Liste von großartigen semi-überwachten Lernpapieren, Methoden & Ressourcen.
Lokale Video-Wissensdatenbank. Indexiere deine Videobibliothek mit multimodaler Analyse (YOLO, DeepFace, Whisper), semantische Suche über natürliche Sprache, Docker-ready.
Eine Sammlung origineller, innovativer Ideen und Algorithmen für fortgeschrittene literarische Maschinen. Dieses Projekt wird vom OCR-Team im Language Technology Lab des Tongyi Lab der Alibaba Group betreut.
:art: Semantische Segmentierungs-Modelle, Datensätze und Verluste, implementiert in PyTorch.
(IROS 2020, ECCVW 2020) Offizielle Python-Implementierung für „3D Multi-Object Tracking: A Baseline and New Evaluation Metrics“
Leistungsstarke On-Device-KI-Inferenzbibliothek für React Native mit Fokus auf Datenschutz, angetrieben von PyTorchs ExecuTorch-Runtime
Eine Sammlung von Papieren und Codes für CVPR2026/CVPR2025/CVPR2024/CVPR2021/CVPR2020 Low Level Vision
Beispielcodeschnipsel und Machine-Learning-Code für Teachable Machine
TorchMultimodal ist eine PyTorch-Bibliothek zum Trainieren von hochmodernen multimodalen Multi-Task-Modellen in großem Maßstab.
All-in-One-Training für Visionsmodelle (YOLO, ViTs, RT-DETR, DINOv3): Vortraining, Feinabstimmung, Destillation.
Implementierung von "EasyControl: Hinzufügen effizienter und flexibler Steuerung für Diffusion Transformer" (ICCV2025)
WiFi-3D-Fusion ist ein Open-Source-Forschungsprojekt, das WiFi-CSI-Signale und Deep Learning nutzt, um die 3D-Körperhaltung von Menschen zu schätzen und drahtlose Sensorik mit Computer-Vision-Techniken für räumliches Bewusstsein der nächsten Generation zu verschmelzen.
Code für die Arbeit "ViperGPT: Visuelle Inferenz durch Python-Ausführung für Schlussfolgerungen"