#computer-vision Repositories
Insgesamt 1,451 Repositories
Veröffentlichung für verbesserte Denoising Diffusion Probabilistic Models
Das Repository stellt Code zum Ausführen von Inferenzen mit dem SAM 3D Body Model (3DB), Links zum Herunterladen der trainierten Modell-Checkpoints und Datensätze sowie Beispiel-Notebooks zur Verfügung, die die Verwendung des Modells zeigen.
[CVPR 2024 Highlight] FoundationPose: Vereinheitlichte 6D-Posen-Schätzung und Verfolgung neuartiger Objekte
[ICLR 2025] Hallo2: Langzeitige und hochauflösende Audio-gesteuerte Porträtbildanimation
Event-based Vision Resources. Gemeinschaftliche Anstrengung, Wissen über Event-based Vision-Technologie zu sammeln (Papiere, Workshops, Datensätze, Code, Videos usw.)
GLIDE: ein auf Diffusion basierendes textbasiertes bedingtes Bildsynthesemodell
🔥🔥Hochleistungs-Gesichtserkennungs-Bibliothek auf PaddlePaddle & PyTorch🔥🔥
Eine Deep-Learning-Bibliothek für die Erforschung des Videoverständnisses.
[NeurIPS 2024] Offizieller Code für PuLID: Reine und blitzschnelle ID-Anpassung durch kontrastierende Ausrichtung
[CVPR19/TPAMI23] SiamMask: Ein Framework für schnelle Online-Objektverfolgung und -Segmentierung
Müheloses KI-gestütztes Datenlabeling dank KI-Unterstützung von YOLO, Segment Anything (SAM+SAM2/2.1+SAM3) und MobileSAM!!
Offizieller Code, der zur Entwicklung von Vision Transformer, SigLIP, MLP-Mixer, LiT und mehr verwendet wird.
Towhee ist ein Framework, das sich der einfachen und schnellen Verarbeitung von neuronalen Datenpipelines widmet.
Bearbeiten Sie alles in Bildern, angetrieben von segment-anything, ControlNet, StableDiffusion usw. (ACM MM)
Hervorragende Arbeit bei der Handposenschätzung/-verfolgung
SC-FEGAN: Face Editing Generative Adversarial Network mit Benutzer-Skizze und Farbe (ICCV2019)
🔥🔥🔥 [IEEE TCSVT] Neueste Arbeiten, Codes und Datensätze zu Vid-LLMs.
Offizielle Implementierung von „Sonic: Verlagerung des Fokus auf globale Audioahrnehmung in der Porträtanimation“
Verzeichnis von Tutorials und Open-Source-Code-Repositories für die Arbeit mit Keras, der Python-Deep-Learning-Bibliothek
Dieses Repository enthält das offizielle Projekt von TransUNet, das in unserer Arbeit vorgestellt wird: TransUNet: Transformers Make Strong Encoders for Medical Image Segmentation.
[CVPR 2025] MASt3R-SLAM: Echtzeit-SLAM mit voller Dichte und 3D-Rekonstruktions-Prioritäten
Eine Python-Anwendung, die die Herzfrequenz einer Person erkennt und hervorhebt (nur mit ihrer eigenen Webcam) in Echtzeit.
Eine Reihe von Knoten für ComfyUI, die Ebenen und Masken kompositieren können, um eine Photoshop-ähnliche Funktionalität zu erzielen.
Die Compute Library ist eine Sammlung von Computer-Vision- und Machine-Learning-Funktionen, die für Arm-CPUs und GPUs mit SIMD-Technologien optimiert sind.
Werkzeug mit Unterstützung der Computer Vision zur Extraktion numerischer Daten aus Plot-Bildern.
Eine modulare High-Level-Bibliothek zum Trainieren von verkörperten KI-Agenten in einer Vielzahl von Aufgaben und Umgebungen.
Tool zur robusten Segmentierung von >100 wichtigen anatomischen Strukturen in CT- und MR-Bildern
Plattform für Open‑Source‑AI‑Kamerafähigkeiten, AI‑NVR und CCTV‑Überwachung. Lokale VLM‑Videoanalyse mit Qwen, DeepSeek, SmolVLM, LLaVA, YOLO26. LLM‑gestützter, agentisierter Sicherheitskameraagent – beobachtet, versteht, erinnert sich und schützt Ihr Zuhause über Telegram, Discord oder Slack. Plugbare AI‑Fähigkeiten. OpenAI, Google, Anthropic oder lokale AI. Läuft auf Mac Mini & AI‑PC.
Super-Resolution-bezogene Papers, Daten und Repositories sammeln
Die offizielle PyTorch-Implementierung von Towards Fast, Accurate and Stable 3D Dense Face Alignment, ECCV 2020.
KI-Comic- und Manga-Übersetzer-App/Browser-Erweiterung zur automatischen Übersetzung von Comics, Mangas, Manhwas, BDs, Fumetti und mehr in verschiedenen Sprachen und Formaten (Bilder, PDF, EPUB, CBR, CBZ usw.).
Implementierung von Segnet, FCN, UNet, PSPNet und anderen Modellen in Keras.