#computer-vision Repositorios
1,451 repositorios en total
Lanzamiento para modelos probabilísticos de difusión de eliminación de ruido mejorados
El repositorio proporciona código para ejecutar inferencias con el modelo de cuerpo 3D SAM (3DB), enlaces para descargar los puntos de control del modelo entrenado y los conjuntos de datos, y cuadernos de ejemplo que muestran cómo usar el modelo.
[CVPR 2024 Highlight] FoundationPose: Estimación y seguimiento unificados de la pose 6D de objetos novedosos
[ICLR 2025] Hallo2: Animación de retratos dirigida por audio de larga duración y alta resolución
Recursos de Visión Basada en Eventos. Esfuerzo comunitario para recopilar conocimiento sobre tecnología de visión basada en eventos (papers, talleres, datasets, código, videos, etc.)
GLIDE: un modelo de síntesis de imágenes condicionado por texto basado en difusión
🔥🔥Biblioteca de Reconocimiento Facial de Alto Rendimiento en PaddlePaddle & PyTorch🔥🔥
Una biblioteca de aprendizaje profundo para la investigación sobre la comprensión de video.
[NeurIPS 2024] Código oficial para PuLID: Personalización de ID pura y ultrarrápida a través de alineación contrastiva
[CVPR19/TPAMI23] SiamMask: Un Marco para el Seguimiento y Segmentación Rápida de Objetos en Línea
¡Etiquetado de datos asistido por IA sin esfuerzo con el soporte de IA de YOLO, Segment Anything (SAM+SAM2/2.1+SAM3) y MobileSAM!!
Código oficial utilizado para desarrollar Vision Transformer, SigLIP, MLP-Mixer, LiT y más.
Towhee es un framework dedicado a hacer que los pipelines de procesamiento de datos neuronales sean simples y rápidos.
Edite cualquier cosa en imágenes, impulsado por segment-anything, ControlNet, StableDiffusion, etc. (ACM MM)
Excelente trabajo en la estimación/seguimiento de la pose de la mano
SC-FEGAN: Red Generativa Antagónica de Edición Facial con Boceto y Color del Usuario (ICCV2019)
🔥🔥🔥 [IEEE TCSVT] Últimos artículos, códigos y conjuntos de datos sobre Vid-LLMs.
Implementación oficial de "Sonic: Cambiando el enfoque a la Percepción Global del Audio en Animación de Retratos"
Directorio de tutoriales y repositorios de código abierto para trabajar con Keras, la biblioteca de aprendizaje profundo de Python
[CVPR 2024] 4D Gaussian Splatting para Renderizado de Escenas Dinámicas en Tiempo Real
Este repositorio incluye el proyecto oficial de TransUNet, presentado en nuestro artículo: TransUNet: Transformers Make Strong Encoders for Medical Image Segmentation.
[CVPR 2025] MASt3R-SLAM: SLAM denso en tiempo real con priors de reconstrucción 3D
Una aplicación en Python que detecta y resalta la frecuencia cardíaca de un individuo (usando solo su propia webcam) en tiempo real.
Un conjunto de nodos para ComfyUI que pueden componer capas y máscaras para lograr una funcionalidad similar a Photoshop.
La Compute Library es un conjunto de funciones de visión por computadora y aprendizaje automático optimizadas para CPU de Arm y GPU utilizando tecnologías SIMD.
Herramienta asistida por visión por computadora para extraer datos numéricos de imágenes de gráficos.
Una biblioteca modular de alto nivel para entrenar agentes de IA encarnados en una variedad de tareas y entornos.
Herramienta para la segmentación robusta de >100 estructuras anatómicas importantes en imágenes de TC y RM
Plataforma de habilidades de cámara AI de código abierto, NVR AI y vigilancia CCTV. Análisis de video VLM local con Qwen, DeepSeek, SmolVLM, LLaVA, YOLO26. Agente de cámara de seguridad impulsado por LLM — vigila, comprende, recuerda y protege tu hogar a través de Telegram, Discord o Slack. Habilidades AI con enchufes. OpenAI, Google, Anthropic o AI local. Funciona en Mac Mini y PC AI.
Colección de impresionantes modelos de visión-lenguaje para tareas de visión
Recopilar artículos, datos y repositorios relacionados con super-resolución
La implementación oficial de PyTorch de Towards Fast, Accurate and Stable 3D Dense Face Alignment, ECCV 2020.
Aplicación/extensión de navegador de traducción de cómics y manga con IA para traducir automáticamente cómics, manga, manhwa, BD, fumetti y más en múltiples idiomas y formatos (imágenes, PDF, EPUB, CBR, CBZ, etc.).
Implementación de Segnet, FCN, UNet, PSPNet y otros modelos en Keras.