#computer-vision Repositorios
1,451 repositorios en total
Robust Video Matting in PyTorch, TensorFlow, TensorFlow.js, ONNX, CoreML!
Guía Hello AI World para implementar redes de inferencia de aprendizaje profundo y primitivas de visión profunda con TensorRT y NVIDIA Jetson.
Dispositivo fácil de usar para conectar unidades de medición "antiguas" (agua, electricidad, gas, ...) al mundo digital
Materiales de laboratorio para MIT 6.S191: Introducción al Deep Learning
Guía de Entrevistas en Deep Learning (Incluye Matemáticas, Machine Learning, Deep Learning, Visión por Computadora, Procesamiento de Lenguaje Natural y SLAM, etc.)
Zenless Zone Zero "Todo incluido" | Totalmente automático | Esquiva automática | Diario automático | Vacío automático | Soporte para mando
Código complementario en "Tutorial práctico de entrenamiento de modelos PyTorch"
Experimenta, aprende y codifica las últimas innovaciones disruptivas con Microsoft AI
Repinta cualquier cosa usando los modelos Segment Anything y de inpainting.
Conviértete en un investigador/ingeniero de IA/ML de alto nivel con este libro de texto poco convencional que cubre matemáticas, computación y aprendizaje automático con intuición.
Emote Portrait Alive: Generación de videos de retratos expresivos con el modelo de difusión Audio2Video en condiciones débiles
Paquete de Go para visión por computadora usando OpenCV 4 y versiones posteriores. Incluye soporte para DNN, CUDA, OpenCV Contrib y OpenVINO.
OpenFace – una herramienta de última generación destinada a la detección de puntos de referencia faciales, estimación de la pose de la cabeza, reconocimiento de unidades de acción facial y estimación de la mirada ocular.
PySlowFast: base de código de comprensión de video de FAIR para reproducir modelos de video de vanguardia.
Formato Lakehouse abierto para IA multimodal. Convierta desde Parquet en 2 líneas de código para un acceso aleatorio 100 veces más rápido, índice vectorial y versionado de datos. Compatible con Pandas, DuckDB, Polars, Pyarrow y PyTorch, con más integraciones próximamente.
Una habilidad de agente que localiza dónde se tomó una foto —mediante geometría de OpenStreetMap, perfiles del horizonte según la elevación, imágenes satelitales y vista de calles— y muestra su trabajo. Funciona con Claude Code, Codex, Cursor, Gemini CLI, OpenCode y GitHub Copilot.
OpenMMLab Caja de Herramientas Multimodal Avanzada, Generativa e Inteligente de Creación. Desbloquea la magia 🪄: IA Generativa (AIGC), APIs fáciles de usar, zoológico de modelos impresionante, modelos de difusión para generación de texto a imagen, restauración/mejora de imágenes/videos, etc.
Repositorio oficial de "SAMURAI: Adapting Segment Anything Model for Zero-Shot Visual Tracking with Motion-Aware Memory"
Mantenido oficialmente, respaldado por PaddlePaddle, incluyendo CV, NLP, Speech, Rec, TS, modelos grandes y demás.
Lista de lectura para temas de investigación en aprendizaje automático multimodal
Implementación oficial de OCR-free Document Understanding Transformer (Donut) y Synthetic Document Generator (SynthDoG), ECCV 2022
Abre la biblioteca de Geometría de Múltiples Vistas. Base para la visión por computadora 3D y Estructura a partir del Movimiento.
[AAAI 2025] Implementación oficial de "OOTDiffusion: Outfitting Fusion based Latent Diffusion for Controllable Virtual Try-on"