#computer-vision Repositories
Insgesamt 1,451 Repositories
Software und vortrainierte Modelle für die automatische Verbesserung der Fotoqualität mit Deep Convolutional Networks
Open-Source-Plattform für die Annotation multimodaler Daten mit KI-Auto-Annotation-Unterstützung.
Offizielles Repository für die Pixel-LLM-Codebasis: Sa2VA (T-PAMI-26), SAMTok (CVPR-26), VRT (Arxiv-25), SaSaSa2VA (1. Lösung für LSVOS)
Die CImg Library ist ein kleines und open-source C++-Toolkit für die Bildverarbeitung.
Eine Auswahl an hochmodernen Forschungsunterlagen zur Trajektorievorhersage
Aufenthaltsbestimmung für niedrig gelegene detektierbare Objekte. Der SOTA in FOSS KI für Drohnen!
Dieses Repository enthält die offizielle Implementierung der Forschungsarbeiten "MobileCLIP" CVPR 2024 und "MobileCLIP2" TMLR August 2025
Eine unverzichtbare Ressource für alle, die mit der OpenAI Vision API experimentieren und darauf aufbauen möchten 🔥
Implementierung von Textauswahl, Zeichenauswahl, Auswahl und Tipp-Captcha-Erkennung, trainiert mit PyTorch
pip install antialiased-cnns zur Verbesserung von Stabilität und Genauigkeit
[CVPR 2025] Erlernen von Flussfeldern in Attention für kontrollierbare Personengenerierung
Die Backend-Agenten werden erstellt mit: multimodaler Datenbank, Orchestrierung und Bereitstellung in einer Datei
Schnelle symbolische Berechnungen, Codegenerierung und nichtlineare Optimierung für Robotik
Universelle Manipulationsschnittstelle: Robotertraining in freier Wildbahn ohne Roboter in freier Wildbahn
[CVPR 2025] MatAnyone: Stabile Video-Matting mit konsistenter Speicherverbreitung
Personalisieren Sie das Segment Anything Model (SAM) mit 1 Schuss in 10 Sekunden
Amica ist eine Open-Source-Schnittstelle zur interaktiven Kommunikation mit 3D-Charakteren mit Sprachsynthese und Spracherkennung.
MixTeX multimodales LaTeX, ZhEn und Tabellen-OCR. Es führt eine effiziente CPU-basierte Inferenz lokal offline unter Windows durch.
Offizieller Code für "FeatUp: Ein modellunabhängiges Framework für Merkmale jeder Auflösung" ICLR 2024
[TPAMI 2025] ViewCrafter: Zähmung von Video-Diffusionsmodellen für hochgradig originalgetreue neuartige Ansichtssynthese
Machine Learning University: Beschleunigter Kurs für Computer Vision
[ACM MM 2024] Dies ist der offizielle Code für "AniTalker: Animate Vivid and Diverse Talking Faces through Identity-Decoupled Facial Motion Encoding"
[CVPR 2025 Highlight] DepthCrafter: Generierung konsistenter langer Tiefensequenzen für Open-World-Videos
DomainBed ist eine Suite zum Testen von Domain-Generalisierungsalgorithmen
Ein Tutorial, das zeigt, wie man TensorFlow Lite-Objekterkennungs-Modelle auf Android-Geräten, dem Raspberry Pi und mehr trainiert, konvertiert und ausführt!
Ein neuer One-Shot-Ansatz für den Gesichtsaustausch in Bild- und Videobereichen
[CVPR 2025] Fast3R: Schnelle 3D-Rekonstruktion von über 1000 Bildern in einem Vorwärtsdurchgang
Eine umfassende Liste von Arbeiten zu impliziten Darstellungen und NeRFs im Bereich Robotik/RL, einschließlich Arbeiten, Codes und verwandter Websites
Ein Fork zum Hinzufügen des multimodalen Modelltrainings zu open-r1
Die umfassendsten Plug-and-Play-Module für das gesamte Netz 2025, kostenlos geteilt! CVPR2025, AAAI2025, ICLR2025, TNNLS2025, arXiv2025...... Umfasst alle Bereiche der künstlichen Intelligenz (maschinelles Lernen, Deep Learning usw.), geeignet für Bildklassifizierung, Objektdetektion, Instanzsegmentierung, semantische Segmentierung, panoptische Segmentierung, Posenschätzung, medizinische Bildsegmentierung, Video-Objektsegmentierung, Bildfreistellung, Bildbearbeitung, Einzelobjektverfolgung, Mehrfachobjektverfolgung, Personenwiedererkennung, RGBT, Bildrauschen, Regenentfernung, Nebelentfernung, Schattenentfernung, Unschärferentfernung, Super-Resolution, Reflektionsentfernung, Moiré-Muster-Entfernung, Bildwiederherstellung, Bildrekonstruktion, Hyperspektrale Bildwiederherstellung, Bildfusion, Kolorierung von Bildern, High-Dynamic-Range-Imaging, Video- und Bildkomprimierung, 3D-Punktwolken, 3D-Objektdetektion, 3D-semantische Segmentierung, 3D-Posenschätzung usw. sowie andere KI-bezogene Aufgaben wie natürliche Sprachverarbeitung, große Sprachmodelle, Multimodalität usw. Kontinuierliche Aktualisierung......
[CVPR 2025 Highlight] Truncated Diffusion Model für Echtzeit-End-to-End-Autonomes Fahren
Offizieller Code für die Veröffentlichung „LucidDreamer: Domänenfreie Generierung von 3D-Gaußschen Splatting-Szenen“.
OCR-Toolbibliothek auf Basis von Pytorch, unterstützt gängige Textdetektions- und Erkennungsalgorithmen
Eine vertrauenswürdige Gesichtsanalysierungsforschungsplattform, die vom Tencent Youtu Lab entwickelt wurde
Android-Anwendung zum Scannen und Bearbeiten handschriftlicher Notizen und Dokumente.
[ICCV 2023] DDColor: Auf dem Weg zu fotorealistischer Bildkolorierung durch duale Decoder