#computer-vision Repositorios
1,451 repositorios en total
Software y modelos preentrenados para la mejora automática de la calidad de fotos utilizando Redes Convolucionales Profundas
Plataforma de anotación de datos multimodales de código abierto con soporte para auto-anotación con IA.
Repositorio oficial para la base de código de Pixel-LLM: Sa2VA (T-PAMI-26), SAMTok (CVPR-26), VRT (Arxiv-25), SaSaSa2VA (1.ª solución para LSVOS)
La biblioteca CImg es un kit de herramientas pequeño y de código abierto en C++ para el procesamiento de imágenes.
Una selección de materiales de investigación de vanguardia sobre predicción de trayectorias
Determinación de la ubicación de objetos detectables a baja altura. ¡El SOTA en IA FOSS para drones!
Este repositorio contiene la implementación oficial de los artículos de investigación "MobileCLIP" CVPR 2024 y "MobileCLIP2" TMLR Agosto 2025
Un recurso imprescindible para cualquiera que quiera experimentar y construir sobre la API Vision de OpenAI 🔥
Implementación de selección de texto, selección de caracteres, selección y reconocimiento de CAPTCHAs táctiles, entrenado con PyTorch
[CVPR 2025] Aprendizaje de Campos de Flujo en Atención para la Generación Controlable de Imágenes de Personas
Los agentes de backend se construyen con: base de datos multimodal, orquestación y servicio en un solo archivo
Cálculo simbólico rápido, generación de código y optimización no lineal para robótica
Interfaz de manipulación universal: enseñanza de robots en el mundo real sin robots en el mundo real
[CVPR 2025] MatAnyone: Matting de vídeo estable con propagación de memoria consistente
Personaliza el modelo Segment Anything (SAM) con 1 toma en 10 segundos
Amica es una interfaz de código abierto para la comunicación interactiva con personajes 3D con síntesis de voz y reconocimiento de voz.
MixTeX multimodal LaTeX, ZhEn y OCR de tablas. Realiza inferencia eficiente basada en CPU en local sin conexión en Windows.
Código oficial para "FeatUp: Un marco agnóstico al modelo para características a cualquier resolución" ICLR 2024
[TPAMI 2025] ViewCrafter: Domando modelos de difusión de video para la síntesis de vistas novedosas de alta fidelidad
Machine Learning University: Clase Acelerada de Visión por Computadora
[ACM MM 2024] Este es el código oficial de "AniTalker: Animate Vivid and Diverse Talking Faces through Identity-Decoupled Facial Motion Encoding"
[CVPR 2025 Highlight] DepthCrafter: Generación de secuencias de profundidad largas y consistentes para videos de mundo abierto
DomainBed es una suite para probar algoritmos de generalización de dominios
¡Un tutorial que muestra cómo entrenar, convertir y ejecutar modelos de detección de objetos de TensorFlow Lite en dispositivos Android, Raspberry Pi y más!
Una base de código unificada de aprendizaje semisupervisado (NeurIPS'22)
Un nuevo enfoque de un solo disparo para el intercambio de rostros en dominios de imágenes y videos
[CVPR 2025] Fast3R: Reconstrucción 3D rápida de más de 1000 imágenes en un solo pase hacia adelante
Una lista completa de artículos sobre Representaciones Implícitas y NeRF relacionados con el dominio de Robótica/RL, incluyendo artículos, códigos y sitios web relacionados
Una bifurcación para agregar el entrenamiento de modelos multimodales a open-r1
Los módulos plug-and-play más completos para toda la red en 2025, ¡compartidos gratis! CVPR2025, AAAI2025, ICLR2025, TNNLS2025, arXiv2025...... Incluye todos los campos de la inteligencia artificial (aprendizaje automático, aprendizaje profundo, etc.), aplicable a clasificación de imágenes, detección de objetos, segmentación de instancias, segmentación semántica, segmentación panóptica, estimación de pose, segmentación de imágenes médicas, segmentación de objetos de video, recorte de imágenes, edición de imágenes, seguimiento de objetos únicos, seguimiento de objetos múltiples, re-identificación de peatones, RGBT, eliminación de ruido de imágenes, eliminación de lluvia, eliminación de niebla, eliminación de sombras, eliminación de desenfoque, superresolución, eliminación de reflejos, eliminación de patrones moiré, recuperación de imágenes, restauración de imágenes, recuperación de imágenes hiperespectrales, fusión de imágenes, coloración de imágenes, imagen de alto rango dinámico, compresión de video e imágenes, nubes de puntos 3D, detección de objetos 3D, segmentación semántica 3D, estimación de pose 3D, etc., así como otras tareas relacionadas con la IA como el procesamiento del lenguaje natural, modelos de lenguaje grandes, multimodal, etc. Actualización continua......
[CVPR 2025 Highlight] Modelo de Difusión Truncado para Conducción Autónoma End-to-End en Tiempo Real
Código oficial del artículo "LucidDreamer: Generación sin dominio de escenas de splatting gaussiano 3D".
Biblioteca de herramientas OCR basada en Pytorch, compatible con algoritmos comunes de detección y reconocimiento de texto
Una plataforma de investigación de análisis facial confiable desarrollada por Tencent Youtu Lab
Aplicación de Android para escanear y manipular notas y documentos manuscritos.
[ICCV 2023] DDColor: Hacia la colorización de imágenes fotorrealistas mediante decodificadores duales