#computer-vision Repositories
Insgesamt 1,451 Repositories
Kostenloser und vollständig quelloffener L2-ADAS-Stack, angetrieben durch End-to-End-KI-Technologie
Echtzeit-Synthese von neuronalen Strahlungs-Tanzporträts durch audio-räumliche Dekomposition
U-Mamba: Verbesserung der Langstreckenabhängigkeit für die biomedizinische Bildsegmentierung
[ECCV'2024] Gauss'sche Gruppierung für offene Rekonstruktion, Segmentierung und Bearbeitung von beliebigen Objekten.
Vchitect-2.0: Paralleler Transformer zum Skalieren von Video-Diffusionsmodellen
Ein minimalistisches SOTA LaTeX OCR-Modell mit nur 20M Parametern, das im Browser läuft. Die vollständige Trainings-Pipeline steht zur Selbst-Reproduktion zur Verfügung. | Leichtgewichtiges SOTA LaTeX Formel-Erkennungsmodell mit nur 20M Parametern, das im Browser läuft. Der gesamte Trainings-Workflow-Code ist für das Selbststudium und die Reproduktion Open Source.
Dieses Projekt erweitert die Idee der innovativen Architektur von Kolmogorov-Arnold Networks (KAN) auf die Convolutional Layers und ändert die klassische lineare Transformation der Faltung zu lernbaren nichtlinearen Aktivierungen in jedem Pixel.
Dieses Repository ist die Basis für einen Community-gesteuerten Kurs über Computer Vision mit neuronalen Netzen. Treten Sie uns gerne auf dem Hugging Face Discord bei: hf.co/join/discord
Generieren Sie Textzeilenbilder für das Training von Deep-Learning-OCR-Modellen
Eine kuratierte Sammlung von iOS-, ML- und AR-Ressourcen, gewürzt mit einigen UI-Elementen.
TriplaneGaussian: Eine neue hybride Darstellung für die Einzelbild-3D-Rekonstruktion.
Eine kuratierte Veröffentlichungsliste zu Open-Vokabular-semantischer Segmentierung und verwandten Bereichen (z. B. Zero-Shot-semantische Segmentierung) Ressourcen..
3DMatch - ein lokaler geometrischer Deskriptor basierend auf 3D ConvNet für die Ausrichtung von 3D-Meshes und Punktwolken.
[CVPR 2024] LMDrive: End-to-End-Fahren im geschlossenen Kreislauf mit großen Sprachmodellen
Das verborgene Rätsel des OCR in großen multimodalen Modellen (OCRBench)
Die AMD Ryzen™ AI Software beinhaltet die Tools und Laufzeitbibliotheken für die Optimierung und Bereitstellung von KI-Inferenz auf AMD Ryzen™ AI-fähigen PCs.
Über Dieses Repository ist eine kuratierte Sammlung der aufregendsten und einflussreichsten CVPR 2025-Paper. 🔥 [Paper + Code + Demo]
You Only Watch Once: Eine einheitliche CNN-Architektur für die Echtzeit-Lokalisierung von Handlungen im Raum-Zeit
⚕️GenAI-gestützter Multi-Agenten-Chatbot für medizinische Diagnostik und die Unterstützung von Gesundheitsforschern. 🏥 Entwickelt für medizinisches Fachpersonal, Forscher und Patienten.
[ICCV 2025, Vortrag] TrajectoryCrafter: Umleitung der Kameratrajektorie für monokulare Videos mittels Diffusionsmodellen
Zusammenfassung von Lernmaterialien zu den Prinzipien von Diffusionsmodellen und PyTorch-Code-Implementierung
Eine flexible und effiziente Codebasis für das Training von visuell-konditionierten Sprachmodellen (VLMs)
[CVPR 2020] CascadePSP: An einer klassenunabhängigen und sehr hochauflösenden Segmentierung mittels globaler und lokaler Verfeinerung
Gaze-LLE: Erfassung von Blickzielen durch umfangreiche gelernte Encodierer (CVPR 2025, Highlight)
Ein Python-Toolkit zur Feinabstimmung von Geospatial Foundation Models (GFMs).
Lokale Überwachung + KI-Vision — LAN-basiertes Smartphone-gestütztes KI-Überwachungsframework mit strukturiertem Ereignisausgang für Datenerfassung und -analyse.
SEED-Story: Multimodale Langgeschichtengenerierung mit Large Language Model
[ECCV 2024] offizieller Code für "Long-CLIP: Freischaltung der Langtext-Fähigkeit von CLIP"
Sammlung wichtiger Artikel, die als Lehrbuch behandelt werden sollen
[ICCV 2021 Oral] PoinTr: Vielfältige Punktwolken-Vervollständigung mit Geometrie-bewussten Transformatoren
[CVPR 2024 Oral] Neubetrachtung von induktiven Verzerrungen für die Oberflächennormalenschätzung