#computer-vision Repositories
Insgesamt 1,451 Repositories
Tool zur Generierung von ML-Trainingsdaten basierend auf Computer Vision :rocket:
Framework, das die Feinabstimmung von Vision-Sprache Verankerungsmodellen auf benutzerdefinierten Datensätzen ermöglicht
Open-Source-Implementierung von **MV-DUSt3R+ Single-Stage Scene Reconstruction from Sparse Views In 2 Seconds** von Meta Reality Labs. Projektseite https://mv-dust3rp.github.io/
Eine Liste von Tools zur Annotation von Daten, Verwaltung von Annotationen usw.
[CVPR 2025 Highlight] Matrix3D: Large Photogrammetry Model All-in-One
[NeurIPS 2021] Multiskalen-Benchmarks für multimodales Repräsentationslernen
Ein Benchmark für maschinelles Lernen bei Distribution-Shifts in der Praxis, mit Datenladern, Evaluatoren und Standardmodellen.
Dieses Repository enthält den Evaluierungscode für das Paper „MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI“
PyTorch-Code für die Arbeit "FIERY: Future Instance Segmentation in Bird's-Eye view from Surround Monocular Cameras"
Gib KI-Agenten Augen, Ohren und überprüfbare Ergebnisse. Watch Skill macht aus Videos, Audio und Bildschirmaktivitäten durchsuchbare, mit Zeitstempeln versehene Belege und weist Arbeit anhand deterministischer Verträge nach – nicht anhand von Modellmeinungen. DeepWatch ist der auf DeepSeek Harness basierende Arbeitsbereich für Agenten. Python + npm, MCP, CLI, REST, Web.
MaaNTE Neverness to Everness (NTE) MAAFramework leistungsstark angetrieben! QQ-Austauschgruppe: „Yi Huan“ (Neverness to Everness) Assistent, bereitgestellt durch den Automatisierungsassistenten für Neverness to Everness. Automatisches Angeln, automatischer Fischverkauf, automatischer Köderkauf. Funktionen: Automatische Kaffeezubereitung, Einnahmen aus dem Café abholen, Story-Dialoge automatisch überspringen, tägliche Belohnungen automatisch abholen.
Dieses Repository enthält alles, was Sie benötigen, um sich in ML/AI-Forschung und Forschungsarbeiten zu beherrschen
Bibliothek zur Berechnung von Leistungsmetriken basierend auf Oberflächendistanz für Segmentierungsaufgaben.
Der weltweit erste macOS-App-Sperrer mit Gesichtsauthentifizierung, vollständig kostenlos und Open Source. Entsperre deine Mac-Apps per Gesichtsauthentifizierung, Touch ID oder Passwort. Vollständig lokal und verschlüsselt – deine Daten verlassen niemals deinen Mac.
[ICLR 2026] Optimierung der Cartoons-Produktion mit generativem Post-Keyframing
Bildaugmentation für Computer Vision. Ausschließlich AGPL-3.0-Lizenz oder kommerzielle Lizenzierung.
Eine effiziente modulare Implementierung von Associating Objects with Transformers für die Videobjektsegmentierung in PyTorch
AAAI 2024 Paper: Entdecken Sie eine umfassende Sammlung innovativer Forschungsarbeiten, die auf einer der führenden Konferenzen für künstliche Intelligenz vorgestellt wurden. Integrieren Sie nahtlos Code-Implementierungen für ein besseres Verständnis. ⭐ Erleben Sie mit diesem Repository den Fortschritt im Bereich der künstlichen Intelligenz auf höchstem Niveau!
Sammlung großartiger ressourceneffizienter Fine-Tuning-Ressourcen.
Der vollständige Lehrplan für Informatik und Ingenieurwesen. Fahrplan, Checkliste für Anfänger.
Automatisches AFK-Skript, geeignet für Spiele wie Onmyoji, Azur Lane, Arknights usw.
Dies ist die offizielle Implementierung unseres Artikels: „MiniMax-Remover: Taming Bad Noise Helps Video Object Removal“
[CVPR 2022] MHFormer: Multi-Hypothesis Transformer für 3D Human Pose Estimation
Code für das Paper "DewarpNet: Single-Image Document Unwarping With Stacked 3D and 2D Regression Networks" (ICCV '19)
Dieses Repository bietet eine umfassende Liste von Radar- und optischen Satellitendatensätzen, die für die Schiffsdetektion, -klassifizierung, -semantische Segmentierung und -instanzsegmentierung kuratiert wurden. Diese Datensätze sind ideal für Anwendungen in den Bereichen Computer Vision, maschinelles Lernen, Fernerkundung und maritime Analyse.
[ICLR 2026] Trace Anything: Darstellen jeder Videoaufnahme in 4D mittels Trajektorienfelder
Quellcode für die Arbeit "OrienterNet Visuelle Lokalisierung in 2D öffentlichen Karten mit neuronaler Übereinstimmung"
Kennzeichenerkennung + -erkennung mit YOLOv5 und LPRNet (CCPD-Datensatz)
Objekte beschriften und Zeit sparen (LOST) - Entwerfen Sie Ihren eigenen intelligenten Prozess für die Bildannotation in einer webbasierten Umgebung.
Codierung eines multimodalen (Vision) Sprachmodells von Grund auf in PyTorch mit vollständiger Erklärung: https://www.youtube.com/watch?v=vAmKB7iPkWw
[ECCV 2024 Vortrag] Code für das Paper: Ein Bild ist 1/2 Token wert nach Schicht 2: Plug-and-Play-Inferenzbeschleunigung für große visuell-sprachliche Modelle
[CVPR 2024 - Oral] 2D-Bilder in 3D abgleichen: Metrische relative Pose aus metrischen Korrespondenzen