#computer-vision Repositories
Insgesamt 1,451 Repositories
projectaria_tools ist ein C++/Python Open-Source-Toolkit zur Interaktion mit Project Aria-Daten.
Code für "PVNet: Pixel-wise Voting Network for 6DoF Pose Estimation" CVPR 2019 oral
Aktuelle LLM-basierte CV- und verwandte Arbeiten. Kommentare/Beiträge sind willkommen!
Python Computer Vision & Video Analytics Framework mit Batterien im Lieferumfang enthalten
Ein Agnostisches Computer Vision Framework – Erweiterebar für jede Trainingsbibliothek: Fastai, Pytorch-Lightning und mehr werden folgen
[CVPR 2025] Die erste Untersuchung von CoT-Argumentation (RL, TTS, Reflexion) in der Bildgenerierung
[TMLR 2025] Thera: Aliasing-freie Super-Resolution beliebiger Skalierung mit neuronalen Wärmefeldern
Hervorragende Arbeit bei der Schätzung der 6 Freiheitsgrade von Objekten
[NeurIPS 2023] Offizielle Implementierung des Papers "Motion-X: A Large-scale 3D Expressive Whole-body Human Motion Dataset"
⚡ Ein neu entwickelter, ultraleichter, ankerfreier Zielerkennungsalgorithmus mit nur 250.000 Parametern, der die Verarbeitungszeit im Vergleich zu yolo-fastest um 10 % reduziert und eine einfachere Nachbearbeitung ermöglicht.
(ACM TOMM) Dies ist das offizielle Code-Repository für "VM-UNet: Vision Mamba UNet für die medizinische Bildsegmentierung".
Dies ist ein komplettes Paket aktueller Deep-Learning-Methoden für 3D-Punktwolken in PyTorch (mit vortrainierten Modellen).
YoloDotNet - Ein C# .NET 8.0-Projekt für Klassifizierung, Objekterkennung, OBB-Erkennung, Segmentierung und Pose-Schätzung in Bildern und Live-Videostreams.
Offizielle PyTorch-Implementierung von „Camera Distance-aware Top-down Approach for 3D Multi-person Pose Estimation from a Single RGB Image“, ICCV 2019
Dieses Repository enthält ein umfassendes Computer-Vision/Machine-Learning-Fußballprojekt, das YOLO zur Objekterkennung, Kmeans zur Pixel-Segmentierung, optischen Fluss zur Bewegungsverfolgung und perspektivische Transformation zur Analyse von Spielerbewegungen in Fußballvideos verwendet.
Das Trainingsprogramm für libfacedetection zur Gesichtserkennung und 5-Landmarken-Erkennung.
[CVPR 2024] Offizielles Repository für "Gaussian Head Avatar: Ultra High-fidelity Head Avatar via Dynamic Gaussians"
Vom Groben zum Feinen: Robuste hierarchische Lokalisierung im großen Maßstab mit HF-Net (https://arxiv.org/abs/1812.03506)
PointFlow: Generierung von 3D-Punktwolken mit kontinuierlichen Normalisierungsflüssen
[ICML2024] Offizieller Code für GaussianPro: 3D Gaussian Splatting mit progressiver Propagation
Instruct-NeRF2NeRF: Bearbeiten von 3D-Szenen mit Anweisungen (ICCV 2023)
Erkennung von 21 Schlüsselpunkten der Hand, zweidimensionale Handgestenhaltung, Gestenerkennung, PyTorch, Handpose
Eine kuratierte Liste von DATASETS, CODEBASES und PAPERS zu Multi-Task Learning (MTL) aus der Perspektive des Machine Learning.
[Erweiterte Version ICLR 2025 Blog Track] Anole: Offene, autoregressive und native multimodale Modelle für interleavierte Bild-Text-Generierung
Offizielle Implementierung von „Lotus: Diffusionsbasiertes visuelles Grundmodell für hochqualitative dichte Vorhersage“
Dieses Repository enthält die Ressourcen (Artikel, Blogs, Websites usw.), die Ilya zum Erlernen von Künstlicher Intelligenz empfohlen hat.
[CMU] Ein vielseitiger und modularer Rahmen für autonome unbemannte Luftfahrzeuge [UAVs] (C++/ROS/PX4)
Beeindruckende Sammlung von Ressourcen und Forschungsarbeiten zu Diffusionsmodellen für die Robotermanipulation.
[NeurIPS 2025] 4KAgent: Agentic Any Image zu 4K Super-Resolution. Ein intelligenter Computersicht-Agent, der jedes Bild magisch in perfektes 4K wiederherstellen kann!