#computer-vision Repositories
Insgesamt 1,451 Repositories
[CVPR 2021] Mehrstufige progressive Bildwiederherstellung. SOTA-Ergebnisse für die Bildentwischung, -entregnung und -entrauschung.
Der umfassendste Lernpfad für Agent Engineers · KI-Engineering von Grund auf meistern · 20 Phasen, 542 Lektionen · Vollständige chinesische Übersetzung + begleitende Website + animierte Erklärvideos · Leitfaden zum KI-Agent-Engineer
Eine Sammlung von Arbeiten zum Thema ``Computer Vision in the Wild (CVinW)''
Ein umfangreicher Text-zu-Bild-Prompt-Galerie-Datensatz basierend auf Stable Diffusion
Eine vollständige Python-Implementierung für das Surround-View-System von echten Autos
DimensionX [ICCV'25]: Erstellen Sie beliebige 3D- und 4D-Szenen aus einem einzigen Bild mit steuerbarer Videodiffusion
🚀 Die TensorFlow Object Counting API ist ein Open-Source-Framework, das auf TensorFlow und Keras aufbaut und die Entwicklung von Objektzählsystemen erleichtert!
[CVPR 2023] Eine akademische Alternative zu Teslas Occupancy Network für autonomes Fahren.
Python-SDK für lokale und Cloud-Hintergrundentfernung (pip install withoutbg)
TinyGPT-V: Effizientes multimodales großes Sprachmodell über kleine Rückgrate
CommonForms — offene Modelle zur automatischen Erkennung von PDF-Formularfeldern
Code für "MatchAnything: Universal Cross-Modality Image Matching with Large-Scale Pre-Training", TPAMI 2026.
AlpaSim ist eine Open-Source-Simulationsplattform für autonome Fahrzeuge, die für die Entwicklung und das Testen von End-to-End-AV-Richtlinien entwickelt wurde
LucidFlux: Bildrestaurierung fotorealistischer Bilder ohne Untertitel mithilfe eines groß angelegten Diffusions-Transformers, ICLR 2026
Dieses Repository enthält den Code für das CVPR 2022 Paper "Image Segmentation Using Text and Image Prompts".
Offizielles Repository für "Mish: A Self Regularized Non-Monotonic Neural Activation Function" [BMVC 2020]
Streamlit-App, die einen Bildbrowser für den Udacity Self-Driving-Car-Datensatz mit Echtzeit-Objekterkennung unter Verwendung von YOLO demonstriert.
HuMo: Menschzentrierte Videogenerierung durch kollaborative multimodale Konditionierung
Anheben, Pflatsch, Schießen: Kodierung von Bildern aus beliebigen Kamerarigs durch implizites Zurückprojizieren in 3D (ECCV 2020)
[ECCV`24&ICLR`25] CityGaussian-Serie für hochwertige großskalige Szenenrekonstruktion mit Gaußchen
Bücher / PDFs / EPUBs für verschiedene Bereiche der Programmierung. LESEN WACHSEN UND GENIESSEN 😊😊😊😊
Eine TensorFlow-Implementierung dieses Nvidia-Papers: https://arxiv.org/pdf/1604.07316.pdf mit einigen Änderungen
[CVPR2024] StableVITON: Erlernen semantischer Korrespondenz mit latentem Diffusionsmodell für virtuelle Anprobe
ktrain ist eine Python-Bibliothek, die Deep Learning und KI zugänglicher und einfacher anzuwenden macht
Replikation einfacher CV-Projekte einschließlich Attention, Klassifikation, Detektion, Keypoint-Detektion usw.
Eine Sammlung von Arbeiten zu Diffusionsmodellen für die 3D-Generierung.
Ein 3DGS-Framework für die allumfassende urbane Szenenrekonstruktion und -simulation.
[ICCV'23] Effiziente Regions-Aware Neural Radiance Fields für die Synthese von sprechenden Porträts mit hoher Wiedergabetreue
⚡️Der räumliche Wahrnehmungsrahmen für den schnellen Aufbau intelligenter Roboter und Räume
[CVPR'25] Tora: Trajektorienorientierter Diffusions-Transformer für die Videogenerierung
Dieser Codebase demonstriert, wie man realistische 3D-Charakteranimationen aus einem beliebigen Sprachsignal und einem statischen Charakter-Mesh synthetisiert.
[CVPR 2024 Oral, Best Paper Runner-Up] Code für "pixelSplat: 3D Gaussian Splats aus Bildpaaren für skalierbare generalisierbare 3D-Rekonstruktion" von David Charatan, Sizhe Lester Li, Andrea Tagliasacchi und Vincent Sitzmann