#computer-vision Repositories
Insgesamt 1,451 Repositories
CALVIN - Ein Benchmark für sprachkonditioniertes Policy Learning für Roboter-Manipulationsaufgaben mit langem Horizont
Die offizielle Implementierung der autoregressiven Bilderzeugung mittels Residuenquantisierung (CVPR '22)
Dieses Repository begleitet die Forschungsarbeit ARKitScenes – Ein vielfältiger realer Datensatz für das Verständnis von 3D-Innenräumen mithilfe von mobilen RGB-D-Daten und enthält die in unserer Arbeit beschriebenen Daten, Skripte zur Visualisierung und Verarbeitung von Assets sowie Trainingscode.
[3DV 2025] Code für „FlowMap: Hochwertige Kameraposen, Intrinsika und Tiefe mittels Gradientenabstieg“ von Cameron Smith*, David Charatan*, Ayush Tewari und Vincent Sitzmann
Code für das Paper: CNN-generierte Bilder sind überraschend einfach zu erkennen... vorerst https://peterwang512.github.io/CNNDetection/
ICCV 2023-2025 Artikel: Entdecken Sie Spitzenforschung von ICCV 2023-25, der führenden Konferenz für Computer Vision. Bleiben Sie auf dem Laufenden über das Neueste in Computer Vision und Deep Learning, inklusive Code. ⭐ Unterstützen Sie die Entwicklung visueller Intelligenz!
[SIGGRAPH Asia 2025 (ACM TOG)] AnySplat: Feed-forward 3D Gaussian Splatting aus uneingeschränkten Ansichten
Die Idee dieser Liste ist es, gemeinsame Daten und Algorithmen rund um 3D Morphable Models zu sammeln. Sie sind eingeladen, zu dieser Liste beizutragen, indem Sie einen Pull Request hinzufügen. Die ursprüngliche Liste entstand aus dem Dagstuhl-Seminar zu 3D Morphable Models https://www.dagstuhl.de/19102 im März 2019.
Implementierung von Attention-basiertem Deep Multiple Instance Learning in PyTorch
Dieses Repository ist dazu gedacht, Tools und Demos für ActivityNet zu hosten.
Dieser Knoten bietet Lippen-Synchronisationsfähigkeiten in ComfyUI unter Verwendung des LatentSync-Modells von ByteDance. Er ermöglicht die Synchronisation von Video-Lippen mit Audio-Eingaben.
Code für Pose-Controllable Talking Face Generation mittels implizit modularisierter Audio-Visueller Darstellung (CVPR 2021)
Eine Echtzeit-Methode, die die 3D-Menschpose direkt im populären Bio Vision Hierarchy (BVH)-Format schätzt, gegeben Schätzungen der 2D-Körpergelenke aus monokularen Farbbildern. Unsere Beiträge umfassen: (a) Eine neue und kompakte 2D-Pose-NSRM-Darstellung. (b) Einen Klassifikator für die Ausrichtung des menschlichen Körpers und ein Ensemble aus ausrichtungsoptimierten
[ICRA 2025 Best Paper] MAC-VO: Metrik-bewusste Kovarianz für lernbasiertes stereoskopisches visuelles Odometrie
Quellcode im Zusammenhang mit dem Projekt zur Gesichtsausdrucks-Erkennung in der Gesichtserkennung
Branchenweites Video-Grundlagenmodell für die einheitliche Generierung von Text-zu-Video (T2V) und Bild-zu-Video (I2V).
[dsh] Ein leistungsfähigeres visuelles Toolkit für reine Textmodelle: Installation und Nutzung mit einer einzigen Zeile, direkte Bilderkennung durch Einfügen von Bildern, Fragen und Antworten zu mehreren Bildern, Wiederherstellung der Frontend-UI aus Screenshots und vieles mehr|Native DeepSeek-Harness-Integration für agent-vision-toolkit: Bildfragen und -antworten, OCR für lange Screenshots, UI-Wiederherstellung, Grounding, Pixel-Diff, Artifacts und Web UI.
Eine Sammlung der wichtigsten Github-Repos für ML-, KI- und Data-Science-Praktiker
Eine Bibliothek zum Experimentieren, Trainieren und Evaluieren von neuronalen Netzwerken, mit dem Fokus auf adversarieller Robustheit.
Schnelles Training von neuronalen Strahlungsfeldern mit freien Kameraflugbahnen
Skalierung Ihrer Kernel auf 31x31: Überprüfung des Designs großer Kernel in CNNs (CVPR 2022)
Moderne Computer Vision mit PyTorch, veröffentlicht von Packt
[ECCV'24] GeoWizard: Diffusion Priors für die 3D-Geometrie-Schätzung aus einem einzigen Bild entfesselt