#computer-vision Repositories
Insgesamt 1,451 Repositories
Schnelle Offline-OCR für Node.js und C++. PP-OCRv6 mit Core-ML-/WebGPU-Hardwarebeschleunigung – erkennt Text in Bildern mit Konfidenzwerten und Koordinaten. npm: @arcships/light-ocr
[CVPR 2025] WildGS-SLAM: Monokulares Gaussian Splatting SLAM in dynamischen Umgebungen
Die offizielle PyTorch-Implementierung von „Mamba-YOLO: SSM-basiert für Objekterkennung“
[ECCV 2024] Szene als Gaußsche für die visuelle 3D-semantische Belegungsvorhersage
Implementierung von „DreamDiffusion: Generierung hochwertiger Bilder aus Gehirn-EEG-Signalen“
[CVPR 2024] Panda-70M: 70 Millionen Videos mit mehreren Cross-Modality-Lehrern kommentieren
Datensatz ‚Exclusively Dark (ExDARK)‘, der laut unserem Verständnis die größte Sammlung von Bildern bei sehr schlechten Lichtverhältnissen ist, die in sehr dunklen Umgebungen bis zum Zwielicht (d.h. 10 unterschiedliche Bedingungen) bis heute aufgenommen wurden, mit Bildklassens- und Objektannotierungen.
Implementierung des Papers „DeepLSD: Line Segment Detection and Refinement with Deep Image Gradients“
YOLOv7 Objekterkennung mit PyTorch, OpenCV und Sort-Tracking
SteadyDancer: Harmonisierte und kohärente Animation von menschlichen Bildern mit Erhaltung des ersten Frames
Dieses Repository ist eine kuratierte Sammlung der aufregendsten und einflussreichsten CVPR 2023 Papers. 🔥 [Paper + Code]
Offizielle Implementierung von "Lumina-mGPT: Flexible fotorealistische Text-zu-Bild-Generierung mit multimodaler generativer Vortrainierung beleuchten"
HART: Effiziente visuelle Generierung mit Hybridem Autoregressivem Transformer
[ICCV 2025] Diffuman4D: 4D-konsistente Synthese von Menschenansichten aus Videos mit spärlichen Ansichten mittels räumlich-zeitlicher Diffusionsmodelle
Prov-GigaPath: Ein ganzes Schichtenmodell für die digitale Pathologie aus realen Daten
API zum Ausführen von VirtualHome, einem Multi-Agent-Haushalts-Simulator
Dies ist die PyTorch-Implementierung unseres Papiers „RSPrompter: Lernen, um für die Fernerkennung von Instanzsegmentierung auf Basis visueller Fundamentmodelle zu werben“
Auch bekannt als Octo-Bouncer. Hochpräzise Schrittmotoransteuerung mit einem Teensy 4.0 und einem benutzerdefinierten Impulserzeugungsalgorithmus sowie PC-basierte Bildverarbeitung mit dem Ziel, eine Maschine dazu zu bringen, einen Tischtennisball zu jonglieren.
Ein Wasserzeichen-Tool, um menschliche Kunstwerke vor der Verwendung in synthetischen Kunstwerken zu schützen.
Das offizielle Roboflow Python-Paket. Verwalten Sie Ihre Datensätze, Modelle und Bereitstellungen. Roboflow bietet alles, was Sie für die Erstellung einer Anwendung für Computer Vision benötigen.
Dalaran — Apache-2.0, robotikorientierte Visualisierungs- und Dateninfrastruktur für multimodale Zeitreihen. ROS 2 nativ, liest vorhandene .rrd-Aufnahmen. Ein harter Fork von Rerun.
Ein Projekt in den Bereichen Computer Vision, maschinelles Lernen und Deep Learning, das Kursnotizen sowie selbst entwickelte Programme enthält.
End-to-End-YOLOv4/v3/v2-Objekterkennungs-Pipeline, implementiert auf tf.keras mit verschiedenen Technologien
Human Preference Score v2: Eine solide Benchmark zur Bewertung menschlicher Präferenzen bei Text-zu-Bild-Synthese