#computer-vision Repositories
Insgesamt 1,451 Repositories
👁️ + 💬 + 🎧 = 🤖 Kuratierte Liste der besten Foundation- und multimodalen Modelle! [Paper + Code + Beispiele + Tutorials]
[CVPR'26] ObjectClear: Präzise Objekt- und Effektextraktion mit adaptiv an Ziel orientierter Aufmerksamkeit
DreamSim: Lernen neuer Dimensionen der menschlichen visuellen Ähnlichkeit mit synthetischen Daten (NeurIPS 2023 Spotlight) / / / / Wann profitiert die Wahrnehmungsangleichung von visuellen Repräsentationen? (NeurIPS 2024)
Offizielle Implementierung des CVPR 2022 Papers "Neural RGB-D Surface Reconstruction"
[CVPR 2024] DocRes: Ein allgemeines Modell zur Vereinheitlichung von Aufgaben zur Wiederherstellung von Dokumentenbildern
Mono- / Stereo-Tiefenschätzung + YOLO-Objekterkennung mit Bereitstellung auf Jetson Nano / TX2 / GeForce mittels TensorRT
Generator für den Winograd-minimalen Faltungsalgorithmus für konvolutive neuronale Netze.
Kleiderordnung: Hochauflösende virtuelle Anprobe für mehrere Kategorien. ECCV 2022
Eine Liste von Ressourcen zur Punktmengenabstimmung/Registrierung, gesammelt von Gang Wang
(CVPR 2025 Highlight✨) Offizielles Repository des Papers "LLMDet: Learning Strong Open-Vocabulary Object Detectors under the Supervision of Large Language Models"
[CVPR2024] Code für "SAM-6D: Segment Anything Model trifft Zero-Shot 6D Objektschätzung".
Großes Gaußsches Rekonstruktionsmodell für effiziente 3D-Rekonstruktion und -Generierung
Offizielle Implementierung für "Blended Latent Diffusion" [SIGGRAPH 2023]
[ECCV2024] Dies ist ein offizieller Inferenzcode für die Paper "Glyph-ByT5: Ein angepasster Text-Encoder für präzises visuelles Text-Rendering" und "Glyph-ByT5-v2: Eine starke ästhetische Baseline für präzises mehrsprachiges visuelles Text-Rendering""
Offizielle Code-Implementierung von Vary-toy (Small Language Model trifft auf Reinforced Vision Vocabulary)
[CVPR 2025, TPAMI 2026] UniScene: Einheitliche belegungszentrierte Fahrtszenengenerierung
Tensorflow Faster R-CNN für Windows/Linux und Python 3 (3.5/3.6/3.7)
Offizielle Implementierung von "FitDiT: Verbesserung der authentischen Kleidungsdetails für hochfidelen virtuellen Anprobe"
[CVPR 2024 Highlight] Das offizielle Repo für „GPS-Gaussian: Generalizable Pixel-wise 3D Gaussian Splatting for Real-time Human Novel View Synthesis“
Die Entwicklung und Zukunftsaussichten großer multimodaler Denkmodelle.
Dies ist eine Liste von hervorragenden Arbeiten über optischen Fluss und verwandte Arbeiten.
Dieses Repository enthält den Code für LipGAN. LipGAN wurde als Teil des Papers mit dem Titel "Towards Automatic Face-to-Face Translation" veröffentlicht.
MLGym Ein Neues Framework und Benchmark zur Förderung von KI-Forschungsagenten
Einfache & modulare Computer Vision Detektoren, Tracker & SAM - Führen Sie YOLOv9,v8,v7,v6,v5,R,X in weniger als 10 Codezeilen aus.
Node Creative Coding / 3D / Bildverarbeitungstool, inspiriert von Quartz Composer
[CVPR 2024 Highlight] Feature 3DGS: Supercharging 3D Gaussian Splatting zur Ermöglichung destillierter Feature-Felder
[CVPR 2024] Code-Veröffentlichung für "InstanceDiffusion: Instanzebenensteuerung für die Bildgenerierung"