#computer-vision Repositorios
1,451 repositorios en total
projectaria_tools es un kit de herramientas de código abierto en C++/Python para interactuar con los datos de Project Aria.
Código para "PVNet: Pixel-wise Voting Network for 6DoF Pose Estimation" CVPR 2019 oral
Trabajos recientes basados en LLM en CV y relacionados. ¡Bienvenido a comentar/contribuir!
Framework de Visión por Computadora y Análisis de Video de Python con Baterías Incluidas
Un Framework Agnóstico de Visión por Computadora – Conectable a cualquier biblioteca de entrenamiento: Fastai, Pytorch-Lightning y más por venir
[CVPR 2025] La primera investigación sobre el razonamiento CoT (RL, TTS, Reflexión) en la generación de imágenes
[TMLR 2025] Thera: Superresolución de escala arbitraria libre de aliasing con campos de calor neuronales
Excelente trabajo en la estimación de la pose de 6 DoF del objeto
[NeurIPS 2023] Implementación oficial del artículo "Motion-X: A Large-scale 3D Expressive Whole-body Human Motion Dataset"
⚡ Un algoritmo de detección de objetivos sin anclas ultra ligero recién diseñado, con un peso de solo 250 mil parámetros, reduce el tiempo de consumo en un 10% en comparación con yolo-fastest, y el post-procesamiento es más sencillo.
(ACM TOMM) Este es el repositorio de código oficial de "VM-UNet: Vision Mamba UNet para Segmentación de Imágenes Médicas".
Este es un paquete completo de métodos recientes de aprendizaje profundo para nubes de puntos 3D en pytorch (con modelos pre-entrenados).
YoloDotNet - Un proyecto C# .NET 8.0 para clasificación, detección de objetos, detección OBB, segmentación y estimación de pose tanto en imágenes como en transmisiones de video en vivo.
Implementación oficial en PyTorch de "Enfoque top-down consciente de la distancia de la cámara para la estimación de poses de múltiples personas en 3D a partir de una sola imagen RGB", ICCV 2019
Este repositorio contiene un proyecto integral de visión por computadora/aprendizaje automático de fútbol que utiliza YOLO para la detección de objetos, Kmeans para la segmentación de píxeles, flujo óptico para el seguimiento del movimiento y transformación de perspectiva para analizar los movimientos de los jugadores en videos de fútbol.
El programa de entrenamiento para libfacedetection para detección de rostros y detección de 5 puntos de referencia.
[CVPR 2024] Repositorio oficial de "Gaussian Head Avatar: Ultra High-fidelity Head Avatar via Dynamic Gaussians"
De Grueso a Fino: Localización Jerárquica Robusta a Gran Escala con HF-Net (https://arxiv.org/abs/1812.03506)
El repositorio de GitHub más grande del mundo para LLMs + Robótica
Emparejamiento de puentes latentes para traducción rápida de imagen a imagen (Destacado de ICCV 2025)
PointFlow: Generación de nubes de puntos 3D con flujos normalizadores continuos
[ICML2024] Código oficial para GaussianPro: 3D Gaussian Splatting con propagación progresiva
Instruct-NeRF2NeRF: Edición de escenas 3D con instrucciones (ICCV 2023)
Detección de 21 puntos clave de la mano, pose gestual bidimensional, reconocimiento de gestos, PyTorch, handpose
Una lista curada de DATASETS, CODEBASES y PAPERS sobre Multi-Task Learning (MTL), desde la perspectiva del Machine Learning.
[Versión extendida ICLR 2025 Blog Track] Anole: Modelos multimodales abiertos, autoregresivos y nativos para la generación de imagen-texto intercalada
Implementación oficial de "Lotus: Modelo de base visual basado en difusión para predicción densa de alta calidad"
LLVIP: Un conjunto de datos emparejado visible-invisible para visión con poca luz
Este repositorio contiene los recursos (artículos, blogs, sitios web, etc.) que Ilya recomendó para aprender sobre Inteligencia Artificial.
[CMU] Un marco versátil y modular diseñado para vehículos aéreos no tripulados autónomos [UAV] (C++/ROS/PX4)
Impresionante colección de recursos y artículos sobre modelos de difusión para la manipulación robótica.
[NeurIPS 2025] 4KAgent: Agentic Any Image to 4K Super-Resolution. ¡Un agente inteligente de visión por computadora que puede restaurar mágicamente cualquier imagen a 4K perfectos!