#computer-vision Repositorios
1,451 repositorios en total
Corrige imágenes de arte de píxeles AI, video o cargas web de sprites
Herramienta de generación de datos de entrenamiento de ML basada en visión por computadora :rocket:
Framework que permite el ajuste fino de modelos de anclaje de visión y lenguaje en conjuntos de datos personalizados
Implementación de código abierto de **MV-DUSt3R+ Reconstrucción de escena de una sola etapa a partir de vistas dispersas en 2 segundos** de Meta Reality Labs. Página del proyecto https://mv-dust3rp.github.io/
Una lista de herramientas para anotar datos, gestionar anotaciones, etc.
[CVPR 2025 Highlight] Matrix3D: Modelo de Fotogrametría Grande Todo en Uno
[NeurIPS 2021] Benchmarks multiescala para el aprendizaje de representación multimodal
Un benchmark de aprendizaje automático de cambios de distribución en la naturaleza, con cargadores de datos, evaluadores y modelos predeterminados.
Este repositorio contiene el código de evaluación para el artículo "MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI"
Código PyTorch para el artículo "FIERY: Future Instance Segmentation in Bird's-Eye view from Surround Monocular Cameras"
Dota a los agentes de IA de ojos, oídos y resultados verificables. Watch Skill convierte el vídeo, el audio y la actividad de pantalla en pruebas con marcas de tiempo y fáciles de buscar, y demuestra el trabajo mediante contratos deterministas, no opiniones del modelo. DeepWatch es el espacio de trabajo para agentes basado en DeepSeek Harness. Python + npm, MCP, CLI, REST y Web.
MaaNTE Neverness to Everness (NTE) ¡impulsado por MAAFramework! Grupo de intercambio QQ: Asistente de Neverness to Everness, proporcionado por el asistente de automatización para Neverness to Everness. Pesca automática, venta automática de pescado, compra automática de cebo. Características: preparación automática de café, extracción de ingresos de la cafetería, salto automático de diálogos de la historia, reclamación automática de recompensas diarias.
Este repositorio contiene todo lo que necesita para dominar la investigación de ML/IA y los artículos de investigación
Biblioteca para calcular métricas de rendimiento basadas en distancia superficial para tareas de segmentación.
El primer bloqueador de aplicaciones para macOS del mundo con autenticación facial, completamente gratuito y de código abierto. Desbloquea tus aplicaciones de Mac mediante autenticación facial, Touch ID o contraseña. Todo se procesa localmente y está cifrado: tus datos nunca salen de tu Mac.
[ICLR 2026] Simplificando la producción de caricaturas con generación posterior a fotogramas clave
Aumento de imágenes para visión por computadora. Licencia exclusivamente AGPL-3.0 o licencia comercial.
Una implementación modular eficiente de asociación de objetos con Transformers para la segmentación de objetos de video en PyTorch
Código de síntesis de transformación de edad de por vida
Artículos AAAI 2024: Explore una colección completa de investigaciones innovadoras presentadas en una de las principales conferencias de inteligencia artificial. Integre sin problemas las implementaciones de código para una mejor comprensión. ⭐ ¡experimenta la vanguardia del progreso en inteligencia artificial con este repositorio!
Colección de fantásticos recursos de ajuste fino eficientes en parámetros.
El programa completo de Ciencias de la Computación e Ingeniería. Hoja de ruta, Lista de verificación para principiantes.
Script de auto-farm, aplicable a juegos como Onmyoji, Azur Lane, Arknights, etc.
Esta es la implementación oficial de nuestro artículo: "MiniMax-Remover: Taming Bad Noise Helps Video Object Removal"
[CVPR 2022] MHFormer: Transformador de Múltiples Hipótesis para la Estimación de la Pose Humana 3D
Código para el paper "DewarpNet: Single-Image Document Unwarping With Stacked 3D and 2D Regression Networks" (ICCV '19)
Este repositorio proporciona una lista completa de conjuntos de datos de satélites de radar y ópticos seleccionados para tareas de detección, clasificación, segmentación semántica y segmentación de instancias de barcos. Estos conjuntos de datos son ideales para aplicaciones en visión por computadora, aprendizaje automático, teledetección y análisis marítimo.
[ICLR 2026] Trace Anything: Representar cualquier vídeo en 4D mediante campos de trayectoria
Código fuente para el artículo "OrienterNet Localización Visual en Mapas Públicos 2D con Coincidencia Neuronal"
Detección + reconocimiento de matrículas utilizando YOLOv5 y LPRNet (conjunto de datos CCPD)
Busque en grandes conjuntos de datos de imágenes con lenguaje natural y visión por computadora
Etiqueta Objetos y Ahorra Tiempo (LOST) - Diseña tu propio proceso de anotación de imágenes inteligente en un entorno basado en web.
Codificación de un modelo de lenguaje multimodal (visión) desde cero en PyTorch con explicación completa: https://www.youtube.com/watch?v=vAmKB7iPkWw
[ECCV 2024 Presentación Oral] Código del artículo: Una imagen vale 1/2 token después de la capa 2: Aceleración de inferencia plug-and-play para grandes modelos de lenguaje visual
[CVPR 2024 - Oral] Coincidencia de imágenes 2D en 3D: Pose relativa métrica a partir de correspondencias métricas