Git Stars Git Stars

#skeleton-based-action-recognition Repositorios

Descubre 3 repositorios activos de código abierto de GitHub etiquetados con #skeleton-based-action-recognition, que acumulan 3,468 estrellas en total (una media de 1,156 estrellas por proyecto). El líder de este tema es Walter0807/MotionBERT, con 1,466 estrellas.

3
Total de Repositorios
3,468
Total de estrellas
1,156
Promedio de Estrellas/Repo
Lenguajes de programación: Python
1
Walter0807/MotionBERT

[ICCV 2023] Implementación en PyTorch de "MotionBERT: Una perspectiva unificada sobre el aprendizaje de representaciones del movimiento humano"

Walter0807
⭐ 1,466 Python 👤 Walter0807 User 🕐 Actualizado 2026-03-14 📅 Creado 2022-05-02
2
kennymckormick/pyskl

Una caja de herramientas para el reconocimiento de acciones basado en esqueletos.

kennymckormick
⭐ 1,271 Python 👤 kennymckormick User 🕐 Actualizado 2026-02-19 📅 Creado 2022-04-02
3
firework8/Awesome-Skeleton-based-Action-Recognition

Una lista curada de artículos increíbles de reconocimiento de acciones basado en esqueletos.

firework8
⭐ 733 👤 firework8 User 🕐 Actualizado 2026-11-07 📅 Creado 2023-02-16

Preguntas frecuentes

1

¿Cuál es el repositorio de #skeleton-based-action-recognition más popular en GitHub?

El proyecto de código abierto de #skeleton-based-action-recognition mejor posicionado en GitHub es Walter0807/MotionBERT, con 1,466 estrellas. [ICCV 2023] Implementación en PyTorch de "MotionBERT: Una perspectiva unificada sobre el aprendizaje de representaciones del movimiento humano"

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #skeleton-based-action-recognition?

Entre los proyectos de #skeleton-based-action-recognition mejor posicionados en GitHub, los lenguajes de programación más comunes son Python.

3

¿Cómo se calcula la clasificación de los repositorios de #skeleton-based-action-recognition?

Seguimos 3 repositorios activos de código abierto etiquetados con #skeleton-based-action-recognition (500+ estrellas), que suman un total de 3,468 estrellas, con una media de 1,156 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.