#computer-vision Repositorios
1,451 repositorios en total
👁️ + 💬 + 🎧 = 🤖 Lista curada de los mejores modelos fundacionales y multimodales. [Paper + Código + Ejemplos + Tutoriales]
[CVPR'26] ObjectClear: Eliminación precisa de objetos y efectos con atención adaptativa orientada al objetivo
DreamSim: Aprendiendo nuevas dimensiones de la similitud visual humana utilizando datos sintéticos (NeurIPS 2023 Spotlight) / / / / ¿Cuándo beneficia la alineación perceptual a las representaciones de la visión? (NeurIPS 2024)
Implementación oficial del artículo de CVPR 2022 "Neural RGB-D Surface Reconstruction"
DocBank: Un conjunto de datos de referencia para el análisis del diseño de documentos
[CVPR 2024] DocRes: Un modelo generalista para unificar tareas de restauración de imágenes de documentos
Estimación de profundidad mono / estéreo + detección de objetos YOLO con despliegue en Jetson Nano / TX2 / GeForce mediante TensorRT
Generador del algoritmo de convolución mínima de Winograd para redes neuronales convolucionales.
Código de vestimenta: Prueba virtual multí categoría de alta resolución. ECCV 2022
Una lista de recursos de coincidencia/registración de conjuntos de puntos recopilados por Gang Wang
(Destacado de CVPR 2025✨) Repositorio oficial del artículo "LLMDet: Learning Strong Open-Vocabulary Object Detectors under the Supervision of Large Language Models"
[CVPR2024] Código para "SAM-6D: Segment Anything Model se une a la estimación de pose de objetos 6D sin cero disparos".
Modelo Grande de Reconstrucción Gaussiana para Reconstrucción y Generación 3D Eficiente
Implementación oficial para "Blended Latent Diffusion" [SIGGRAPH 2023]
Una herramienta de respuesta automática basada en Python para Xiaoyuan Kou Suan
[ECCV2024] Este es el código de inferencia oficial de los artículos "Glyph-ByT5: Un codificador de texto personalizado para una representación de texto visual precisa" y "Glyph-ByT5-v2: Una línea de base estética sólida para una representación de texto visual multilingüe precisa""
Implementación oficial del código de Vary-toy (Small Language Model se encuentra con Reinforced Vision Vocabulary)
[CVPR 2025, TPAMI 2026] UniScene: Generación unificada de escenas de conducción centrada en la ocupación
Construye modelos de visión por computadora completamente funcionales con PyTorch
Tensorflow Faster R-CNN para Windows/Linux y Python 3 (3.5/3.6/3.7)
Implementación oficial de "FitDiT: Avances de los detalles auténticos de las prendas para una prueba virtual de alta fidelidad"
[CVPR 2024 Highlight] El repositorio oficial de “GPS-Gaussian: Generalizable Pixel-wise 3D Gaussian Splatting for Real-time Human Novel View Synthesis”
Colección de trabajos sobre modelos de espacio de estados
El desarrollo y las perspectivas futuras de los grandes modelos de razonamiento multimodal.
Esta es una lista de trabajos impresionantes sobre flujo óptico y trabajos relacionados.
Este repositorio contiene los códigos para LipGAN. LipGAN se publicó como parte del artículo titulado "Towards Automatic Face-to-Face Translation".
MLGym Un Nuevo Framework y Benchmark para Avanzar en Agentes de Investigación de IA
Biblioteca de adquisición de imágenes para sistemas de visión por máquina basados en GenICam
Detectores, Rastreadores y SAM de Visión por Computadora Fáciles y Modulares - Ejecuta YOLOv9,v8,v7,v6,v5,R,X en menos de 10 líneas de código.
Una herramienta OCR gratuita y portátil para fórmulas que admite latex y mathml
Herramienta Node Creative Coding / 3D / Procesamiento de imágenes inspirada en Quartz Composer
[CVPR 2024 Highlight] Feature 3DGS: Potenciando el splatting gaussiano 3D para habilitar campos de características destilados
[CVPR 2024] Publicación del código para "InstanceDiffusion: Control a nivel de instancia para la generación de imágenes"