#calibration Dépôts
Découvrez 33 dépôts GitHub open source actifs associés à #calibration, cumulant 82,056 étoiles au total (soit une moyenne de 2,486 étoiles par projet). Le projet en tête de ce thème est NandhaKishorM/laya, avec 35,758 étoiles.
33 dépôts au total
Moteur de décision System 1 non autorégressif. Effectue en une seule passe avant des décisions typées de choix, de notation et oui/non sur n’importe quel texte, dans plus de 100 langues, avec un routeur qui sélectionne le bon checkpoint pour chaque requête.
OpenCalib : Une boîte à outils de calibration multi-capteurs pour la conduite autonome
Une collection d'articles classiques et de pointe de l'industrie dans les domaines de la recommandation/de la publicité/de la recherche. A collection of industry classics and cutting-edge papers in the field of recommendation/advertising/search.
Uncertainty Toolbox : une boîte à outils Python pour la quantification de l'incertitude prédictive, la calibration, les métriques et la visualisation
Modèles de décision ouverts de 0,8B à 27B : une probabilité calibrée pour chaque option en un seul passage, et un bref raisonnement uniquement en cas d’incertitude. Moteur pour vLLM, llama.cpp et MLX.
Package ROS pour trouver une transformation de corps rigide entre un LiDAR et une caméra pour l'« Étalonnage LiDAR-Caméra en utilisant des correspondances de points 3D-3D »
Transformez n’importe quel LLM en un modèle de décision de type Jev : décisions typées, probabilités réelles, sans entraînement. (Mises à jour continues ; vos signalements de problèmes et demandes de PR sont les bienvenus)
Une boîte à outils pour l'étalonnage LiDAR-caméra sans cible [ROS1/ROS2]
[IROS2022] Méthode robuste d'initialisation LiDAR-inertielle en temps réel.
Serveur API compatible avec Jev pour les modèles de décision ouverts. Ollama pour les modèles de décision : téléchargez et exécutez localement 29 familles de modèles (Laya, pplx-decider, Clef, Winnow, coba...), ou hébergez-les vous-même derrière /v1/systemone. Le SDK TypeSafe fonctionne sans modification : définissez son URL de base et choisissez un modèle ouvert. CLI, application de bureau, Docker, serveur MCP et benchmark public.
Impression FDM à plat en couleur avec mélange calibré des couches de filament. Reproduisez les couleurs et les nuances de l’image, affinez les recettes locales et exportez des fichiers 3MF prêts à être utilisés dans le logiciel de tranchage.
Ce dépôt est utilisé pour l'étalonnage automatique entre un LiDAR haute résolution et une caméra dans des scènes sans cible.
Awesome-LLM-Robustness : une liste organisée sur l'incertitude, la fiabilité et la robustesse dans les grands modèles linguistiques
Calibration intrinsèque et extrinsèque de caméra Fisheye ou normale. Générateur de vue panoramique pour caméra environnante.
Phoque tacheté — Phocinae-Largha-150M-v1 : un modèle bilingue de prise de décision de 144,3 M. Petit modèle. Grandes décisions. Petit phoque, grandes décisions.
LSD (LiDAR SLAM & Detection) est une architecture de perception open source pour véhicules/robots autonomes
Publiez ce que vous avez créé sur Jev, le modèle de décision System One de TypeSafe AI : un tableau hebdomadaire où les créateurs publient et où le public vote, accompagné d’un index d’exemples publics de Jev classés par schéma décisionnel, avec citations des sources, vérifications des liens datées et vérifications du texte des points d’appel ; l’exécution et les performances ne sont pas testées indépendamment ici. EN/中文, schéma JSON, matrice des plateformes.
Calibration main-œil facile à utiliser et précise qui fonctionne de manière fiable depuis des années (2016-présent) avec Kinect, Kinect v2, caméras RGBD, trackers optiques et plusieurs robots, y compris UR5 et KUKA iiwa.
Une boîte à outils de calibration générique et robuste pour les systèmes multi-caméras.
Inférence rapide et exacte des modèles StartLux-Decision sur GPU NVIDIA : les fichiers GGUF publiés s’exécutent sur des cœurs tensoriels int8 et 4 bits via l’API /v1/systemone, avec une latence jusqu’à 5,3 fois inférieure à celle de vLLM en FP8 et des réponses identiques au bit près.
Odométrie et Cartographie Robustes pour Systèmes Multi-LiDAR avec Calibration Extrinsèque en Ligne
🔥🔥 Awesome Jev : modèles open source, projets, benchmarks et évaluations indépendantes des modèles Jev et System One.
Foire aux questions
Quel est le dépôt #calibration le plus populaire sur GitHub ?
Le projet #calibration open source le mieux classé sur GitHub est NandhaKishorM/laya, avec 35,758 étoiles. Moteur de décision System 1 non autorégressif. Effectue en une seule passe avant des décisions typées de choix, de notation et oui/non sur n’importe quel texte, dans plus de 100 langues, avec un routeur qui sélectionne le bon checkpoint pour chaque requête.
Quels langages de programmation sont les plus utilisés dans les dépôts #calibration ?
Parmi les projets #calibration les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, HTML, Rust.
Comment le classement des dépôts #calibration est-il calculé ?
Nous suivons 33 dépôts open source actifs associés à #calibration (500+ étoiles), totalisant 82,056 étoiles, avec une moyenne de 2,486 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.