#computer-vision Repositories
Insgesamt 1,451 Repositories
Sammlung von gemeinsamem Code, der zwischen verschiedenen Forschungsprojekten im FAIR Computer Vision Team geteilt wird.
Eine Open-Source-Bibliothek und ein Framework für Deep Learning auf Satelliten- und Luftbildern.
Sammlung von fantastischen medizinischen Datensatzressourcen.
Ein Reasoning-Framework mit vielen nützlichen Demos gleichzeitig. Wenn du es gut findest, gib ihm bitte einen Stern
Beschriftungswerkzeug mit SAM (Segment Anything Model), das SAM, SAM2, SAM3, sam-hq, MobileSAM, EdgeSAM usw. unterstützt. Interaktives, halbautomatisches Bildanmerkungswerkzeug.
Produktionsreife C++-Edge-KI-Engine für Videoanalysen und geräteinterne VLMs auf Sophon, Rockchip RKNN und x86, mit visueller Orchestrierung, Echtzeit-OSD, Ereignissen und reproduzierbaren Benchmarks.
Dies ist ein Quellcode für yolo3-pytorch, der zum Trainieren Ihres eigenen Modells verwendet werden kann.
Diese Ressource unterstützt die Artikel des Autors über Python-Bildverarbeitung auf CSDN und konzentriert sich hauptsächlich auf die Implementierung von Algorithmen zur Bildverarbeitung, Bilderkennung und Bildklassifizierung in Python. Wir hoffen, dass diese Ressource Ihnen hilft, und lassen Sie uns gemeinsam unser Bestes geben.
Hypersim: Ein fotorealistischer synthetischer Datensatz für das ganzheitliche Verständnis von Innenräumen
NVIDIA Alpamayo 1 Nano ist ein offenes 10B Reasoning-VLA-Modell für autonome Fahrzeuge, das Fahrbahnen mit Kausalitätsketten-Reasoning kombiniert.
Arbeiten Sie zusammen und beschriften Sie jede Art von Daten, Bildern, Texten oder Dokumenten, in einer einfachen Weboberfläche oder Desktop-Anwendung.
Continuous Thought Machines, da Denken Zeit braucht und Schlussfolgern ein Prozess ist.
Expressive Body Capture: 3D-Hände, Gesicht und Körper aus einem einzigen Bild
Alles über Federated Learning, einschließlich Forschungsarbeiten, Büchern, Codes, Tutorials, Videos und mehr
Real-World Masked Face Dataset, Maskengesichtsdatensatz
https://textbehindimage.rexanwong.xyz - erstellen Sie mühelos Text-vor-Bild-Designs
Umfassende und zeitnahe akademische Informationen zum föderierten Lernen (Paper, Frameworks, Datensätze, Tutorials, Workshops)
Cambrian-1 ist eine Familie multimodaler LLMs mit einem visionzentrierten Design.
Python-Wrapper für Philipp Krähenbühls dichte (vollständig verbundene) CRFs mit Gaußschen Kantenpotenzialen.
Rezepte zum Verkleinern, Optimieren und Anpassen von hochmodernen Bildmodellen. 💜
Die NVIDIA AI Blueprint für Videosuche und -zusammenfassung (VSS) ist eine GPU-beschleunigte Referenzarchitektur zum Erstellen von Videoanalyse-Agenten mit Echtzeit-verifizierten Warnmeldungen, visuellen Frage-Antwort-Funktionen und automatisierten Berichten. Die VSS Blueprint verwendet visuelle Sprachmodelle (VLM) wie NVIDIA Cosmos, LLMs wie NVIDIA Nemotron, RAG und NVIDIA NIM.
CVNets: Eine Bibliothek zum Trainieren von Computervision-Netzwerken
Weltweite Gebäudeumrisse, die aus Satellitenbildern abgeleitet wurden
Code-Veröffentlichung für "Erkennung von zwanzigtausend Klassen mit bildbezogener Überwachung".
Approaching (Almost) Any Machine Learning Problem chinesische Übersetzung, Online-Dokumentationsadresse: https://ytzfhqs.github.io/AAAMLP-CN/
Custom Diffusion: Multi-Konzept-Anpassung von Text-zu-Bild-Diffusion (CVPR 2023)