#computer-vision Repositorios
1,451 repositorios en total
Biblioteca Fundamental de OpenMMLab para Entrenar Modelos de Aprendizaje Profundo
Recursos para el seguimiento de múltiples objetos (MOT)
Código PyTorch para nuestro artículo ECCV 2018 "Image Super-Resolution Using Very Deep Residual Channel Attention Networks"
[ICCV 2025] STAR: Aumento Espacio-Temporal con Modelos de Texto a Vídeo para Súper Resolución de Vídeo del Mundo Real
Código para el artículo de SIGGRAPH 2020 "RigNet: Neural Rigging para Personajes Articulados"
Interfaz Python para dron DJI Tello usando el SDK oficial de Tello. ¡Siéntete libre de contribuir!
Una lista de artículos sobre algunos trabajos recientes de CV basados en Transformer.
Lazyeat (Gesto Perezoso) | Control aéreo por gestos, ¡simplemente haz un gesto! Lazyeat es un controlador sin contacto para usar mientras comes. ¿No quieres tener las manos grasientas mientras ves programas o navegas por la web durante las comidas? ¡Puedes pausar videos/pantalla completa/cambiar videos simplemente haciendo un gesto a la cámara!
Super-resolución de imágenes por pasos arbitrarios a través de la inversión de difusión (CVPR 2025)
CVPR2023 - Activación de más píxeles en el Transformer de Super-Resolución de Imágenes TPAMI - HAT: Transformer de Atención Híbrida para la Restauración de Imágenes
¡Este repositorio proporciona referencias valiosas para los investigadores en el campo de la multimodalidad, comience su viaje exploratorio en MLLMs de Razonamiento basados en RL!
ResShift: Modelo de Difusión Eficiente para Superresolución de Imágenes mediante Desplazamiento Residual (NeurIPS@2023 Spotlight, TPAMI@2024)
[CVPR2025] Presentamos StableAnimator, el primer marco de difusión de video de extremo a extremo que preserva la identidad (ID-preserving), el cual sintetiza videos de alta calidad sin ningún posprocesamiento, condicionado por una imagen de referencia y una secuencia de poses.
[CVPR 2023] BundleSDF: Seguimiento Neuronal 6-DoF y Reconstrucción 3D de Objetos Desconocidos
Procesamiento de imágenes científicas N-dimensionales abierto :microscope: :sparkler:
[ECCV 2024] Street Gaussians: Modelado de escenas urbanas dinámicas con dispersión gaussiana
Área de trabajo FTC Android Studio para programación de robots en Android Studio
Implementación oficial en PyTorch de VisionHOPE: redes troncales visuales como sistemas de aprendizaje que se modifican a sí mismos.
Detección de objetos de extremo a extremo en tiempo real y precisa de vocabulario abierto
Recopile los últimos resultados de la CVPR (Conference on Computer Vision and Pattern Recognition), incluyendo artículos, código y videos de demostración, etc., ¡y bienvenida a las recomendaciones de todos!
MulimgViewer es un visor de imágenes múltiples que puede abrir varias imágenes en una sola interfaz, lo que es conveniente para la comparación de imágenes y la unión de imágenes.
un marco abierto para la navegación de ciegos basado en ESP32
Pruna es un marco de optimización de modelos creado para desarrolladores, que le permite entregar modelos más rápidos y eficientes con una sobrecarga mínima.
Xtreme1 es una plataforma todo en uno de etiquetado y anotación de datos para entrenamiento de datos multimodales y admite nubes de puntos 3D LiDAR, imágenes y LLM.
Repositorio oficial de optimización evolutiva de recetas de fusión de modelos
Zenless Zone Zero | 绝区零 | Vacío Cero | Combate automático | Automatización | Clasificación de imágenes | Reconocimiento OCR
Este repositorio es la implementación oficial de Disentangling Writer and Character Styles for Handwriting Generation (CVPR 2023)
Recopila algunos artículos sobre transformadores para detección y segmentación. Awesome Detection Transformer para Visión Artificial (CV)
[CVPR 2025] Hallo3: Animación de imágenes de retratos altamente dinámica y realista con Video Diffusion Transformer
Crea, entrena, optimiza y ejecuta modelos de visión por computadora localmente, desde imágenes sin procesar hasta inferencia en tiempo real. De código abierto y optimizado para Intel® XPU (también compatible con CUDA).
Catálogo visual seleccionado de más de 200 arquitecturas de modelos de visión y lenguaje (VLM/MLLM): artículos, diagramas, recetas de entrenamiento, conjuntos de datos y una cronología de lanzamientos de agentes de IA multimodales.