#computer-vision Repositorios
1,451 repositorios en total
Repositorio de código para el artículo de CVPR 2023 "PanoHead: Síntesis 3D de cabeza completa consciente de la geometría en 360 grados"
[ICCV 2025 Highlight] OminiControl: Control Mínimo y Universal para Diffusion Transformer
Monkey (LMM): La resolución de imagen y la etiqueta de texto son importantes para los modelos multimodales grandes (CVPR 2024 Highlight)
[ECCV 2022] XMem: Segmentación de objetos de video a largo plazo con un modelo de memoria Atkinson-Shiffrin
3.516 Figure 1 / teasers seleccionados de ICLR, ICML, NeurIPS, CVPR, ACL y AAAI (2023–2026), con insignias de nivel y redacción de figuras aumentada mediante recuperación de FigureForge
Biblioteca de odometría visual y SLAM acelerada por CUDA para un seguimiento de cámara rápido, preciso y de baja latencia
Recursos de desarrollo de realidad aumentada (AR) (Resumen de recursos de desarrollo de AR) --- organizado por AIRX
Enlaces de Python para DeepStream SDK y aplicaciones de muestra
[Finalista al Mejor Artículo de ICCV'25] ReCamMaster: Renderizado Generativo Controlado por Cámara a partir de un Solo Video
Software potente y fácil de usar para el intercambio y la edición de rostros en videos
Reconstrucción 3D precisa de rostros con aprendizaje débilmente supervisado: De imagen única a conjunto de imágenes (CVPRW 2019). Una implementación de PyTorch.
[ICCV 2023] Make-It-3D: Creación 3D de alta fidelidad a partir de una sola imagen con Prioridad de Difusión
Esta es una lista de recursos para la mejora de imágenes con poca luz
Un sistema de programación probabilística de propósito general con inferencia programable
😎 Una lista actualizada y curada de fantásticos artículos, métodos y recursos de aprendizaje semisupervisado.
Base de Conocimiento de Video Local-First. Indexa tu biblioteca de videos con análisis multi-modal (YOLO, DeepFace, Whisper), busca semánticamente vía lenguaje natural, listo para Docker.
Una colección de ideas y algoritmos originales e innovadores para Maquinaria Literaria Avanzada. Este proyecto es mantenido por el Equipo OCR en el Language Technology Lab, Tongyi Lab, Alibaba Group.
Hoja de ruta para convertirse en un desarrollador de Visual‑SLAM en 2026
:art: Modelos, conjuntos de datos y pérdidas de segmentación semántica implementados en PyTorch.
(IROS 2020, ECCVW 2020) Implementación oficial en Python para "3D Multi-Object Tracking: A Baseline and New Evaluation Metrics"
Biblioteca de inferencia de IA en el dispositivo para React Native, de alto rendimiento y con la privacidad como prioridad, impulsada por el runtime ExecuTorch de PyTorch
Una colección de artículos y códigos para CVPR2026/CVPR2025/CVPR2024/CVPR2021/CVPR2020 visión de bajo nivel
Fragmentos de código de ejemplo y código de aprendizaje automático para Teachable Machine
TorchMultimodal es una biblioteca de PyTorch para entrenar modelos multimodales y multitarea de última generación a escala.
Entrenamiento todo en uno para modelos de visión (YOLO, ViTs, RT-DETR, DINOv3): preentrenamiento, ajuste fino, destilación.
Implementación de "EasyControl: Añadiendo control eficiente y flexible para Diffusion Transformer" (ICCV2025)
WiFi-3D-Fusion es un proyecto de investigación de código abierto que aprovecha las señales CSI de WiFi y el aprendizaje profundo para estimar la pose humana en 3D, fusionando la detección inalámbrica con técnicas de visión por computadora para la conciencia espacial de próxima generación.
Código para el artículo "ViperGPT: Inferencia Visual mediante Ejecución de Python para Razonamiento"