#computer-vision Dépôts
1,451 dépôts au total
Référentiel de code pour l'article CVPR 2023 "PanoHead : Synthèse 3D complète de la tête sensible à la géométrie à 360 degrés"
[ICCV 2025 Highlight] OminiControl : Contrôle minimal et universel pour les transformeurs de diffusion
Monkey (LMM) : La résolution d'image et l'étiquette de texte sont des éléments importants pour les grands modèles multimodaux (CVPR 2024 Highlight)
[ECCV 2022] XMem : Segmentation d'objets vidéo à long terme avec un modèle de mémoire Atkinson-Shiffrin
3 516 Figure 1 / teasers sélectionnés d’ICLR, ICML, NeurIPS, CVPR, ACL et AAAI (2023–2026), avec badges de niveau et ébauche de figures augmentée par récupération avec FigureForge
Bibliothèque Rust et outil CLI pour la reconnaissance optique de caractères (extraction de texte à partir d'images)
Bibliothèque d’odométrie visuelle et de SLAM accélérée par CUDA pour un suivi de caméra rapide, précis et à faible latence
Ressources de développement de la réalité augmentée (AR) (Récapitulatif des ressources de développement AR) --- organisé par AIRX
Liaisons Python pour DeepStream SDK et applications d'exemple
[Finaliste du Meilleur Article d'ICCV'25] ReCamMaster: Rendu génératif contrôlé par caméra à partir d'une seule vidéo
Logiciel puissant et facile à utiliser pour l'échange et l'édition de visages dans les vidéos
Reconstruction faciale 3D précise par apprentissage faiblement supervisé : De l'image unique à l'ensemble d'images (CVPRW 2019). Une implémentation PyTorch.
[ICCV 2023] Make-It-3D : Création 3D haute fidélité à partir d'une seule image avec Priorité de Diffusion
Projetter le mouvement des pixels vers un voxel
Ceci est une liste de ressources pour l'amélioration des images en basse lumière
Un système de programmation probabiliste à usage général avec inférence programmable
😎 Une liste à jour et organisée d'articles, de méthodes et de ressources géniaux sur l'apprentissage semi-supervisé.
Base de connaissances vidéo local-first. Indexez votre bibliothèque vidéo avec une analyse multi-modale (YOLO, DeepFace, Whisper), recherche sémantique via langage naturel, prêt pour Docker.
Une collection d'idées et d'algorithmes originaux et innovants pour des machines littéraires avancées. Ce projet est maintenu par l'équipe OCR du Language Technology Lab, Tongyi Lab, Alibaba Group.
:art: Modèles, ensembles de données et pertes de segmentation sémantique implémentés en PyTorch.
(IROS 2020, ECCVW 2020) Implémentation officielle en Python pour «3D Multi-Object Tracking : A Baseline and New Evaluation Metrics»
Bibliothèque d'inférence d'IA sur l'appareil pour React Native, haute performance et axée sur la confidentialité, propulsée par le runtime ExecuTorch de PyTorch
Une collection d'articles et de codes pour CVPR2026/CVPR2025/CVPR2024/CVPR2021/CVPR2020 vision de bas niveau
Exemples de fragments de code et code d'apprentissage automatique pour Teachable Machine
TorchMultimodal est une bibliothèque PyTorch pour l'entraînement de modèles multimodaux multi-tâches à la pointe de la technologie à grande échelle.
Entraînement tout-en-un pour les modèles de vision (YOLO, ViTs, RT-DETR, DINOv3) : pré-entraînement, fine-tuning, distillation.
Mise en œuvre de "EasyControl : Ajout d'un contrôle efficace et flexible pour les transformeurs de diffusion" (ICCV2025)
WiFi-3D-Fusion est un projet de recherche open-source qui utilise les signaux CSI WiFi et l'apprentissage profond pour estimer la pose humaine 3D, fusionnant la détection sans fil avec des techniques de vision par ordinateur pour une conscience spatiale de nouvelle génération.
Code pour l'article "ViperGPT: Inférence Visuelle par Exécution Python pour le Raisonnement"