#computer-vision Repositorios
1,451 repositorios en total
CALVIN - Un punto de referencia para el aprendizaje de políticas condicionado por el lenguaje para tareas de manipulación robótica de largo alcance
La implementación oficial de la generación de imágenes autorregresiva utilizando cuantización residual (CVPR '22)
Este repositorio acompaña al artículo de investigación ARKitScenes: un conjunto de datos diverso del mundo real para la comprensión de escenas interiores 3D utilizando datos móviles RGB-D y contiene los datos, los scripts para visualizar y procesar activos, y el código de entrenamiento descritos en nuestro artículo.
[3DV 2025] Código para "FlowMap: Poses de cámara de alta calidad, intrínsecos y profundidad a través de descenso de gradiente" por Cameron Smith*, David Charatan*, Ayush Tewari y Vincent Sitzmann
Código para el paper: Las imágenes generadas por CNN son sorprendentemente fáciles de detectar... por ahora https://peterwang512.github.io/CNNDetection/
Artículos ICCV 2023-2025: Descubra investigaciones de vanguardia de ICCV 2023-25, la conferencia líder en visión por computadora. Manténgase al día sobre lo último en visión por computadora y aprendizaje profundo, con código incluido. ⭐ ¡Apoye el desarrollo de la inteligencia visual!
[SIGGRAPH Asia 2025 (ACM TOG)] AnySplat: Ajuste gaussiano 3D de avance (feed-forward) a partir de vistas no restringidas
Creación sencilla de conjuntos de datos sintéticos NeRF dentro de Blender
La idea de esta lista es recopilar datos y algoritmos compartidos alrededor de Modelos Morfables 3D. Se le invita a contribuir a esta lista agregando una solicitud de extracción. La lista original surgió del seminario de Dagstuhl sobre Modelos Morfables 3D https://www.dagstuhl.de/19102 en marzo de 2019.
Implementación de Aprendizaje Profundo de Instancias Múltiples Basado en Atención en PyTorch
Este repositorio está destinado a alojar herramientas y demostraciones para ActivityNet.
Este nodo proporciona capacidades de sincronización de labios en ComfyUI utilizando el modelo LatentSync de ByteDance. Permite sincronizar los labios del video con la entrada de audio.
Código para la generación de rostros parlantes controlables por pose mediante representación audiovisual implícitamente modularizada (CVPR 2021)
Un método en tiempo real que estima la pose humana 3D directamente en el popular formato Bio Vision Hierarchy (BVH), dadas estimaciones de las articulaciones corporales 2D originadas en imágenes de color monoculares. Nuestras contribuciones incluyen: (a) Una representación NSRM de pose 2D novedosa y compacta. (b) Un clasificador de orientación del cuerpo humano y un conjunto de orientaciones ajustadas
[ICRA 2025 Mejor Trabajo] MAC-VO: Covarianza consciente de métricas para odometría visual estéreo basada en aprendizaje
MAT: Transformer consciente de la máscara para el inpainting de imágenes con agujeros grandes
Código fuente relacionado con el proyecto de reconocimiento de expresiones faciales en el reconocimiento facial
Modelo de base de video a nivel de industria para la generación unificada de texto a video (T2V) e imagen a video (I2V).
[dsh] Un conjunto de herramientas visuales más potente diseñado para modelos de solo texto: instalación y uso con una sola línea, reconocimiento directo al pegar imágenes, preguntas y respuestas sobre varias imágenes, restauración de la UI frontend a partir de capturas de pantalla y mucho más|Integración nativa de DeepSeek Harness para agent-vision-toolkit: preguntas y respuestas sobre imágenes, OCR de capturas de pantalla largas, restauración de UI, grounding, diferencias de píxeles, Artifacts y Web UI.
Una colección de los repositorios de Github más importantes para profesionales de ML, IA y ciencia de datos
Una biblioteca para experimentar, entrenar y evaluar redes neuronales, con un enfoque en la robustez adversaria.
Entrenamiento rápido de campos de radiancia neuronal con trayectorias de cámara libres
Ampliación de sus kernels a 31x31: Revisión del diseño de kernels grandes en CNN (CVPR 2022)
Visión por Computadora Moderna con PyTorch, publicada por Packt
[ECCV'24] GeoWizard: Liberando los priors de difusión para la estimación de geometría 3D a partir de una sola imagen