#computer-vision Dépôts
1,451 dépôts au total
Logiciels et modèles pré-entraînés pour l'amélioration automatique de la qualité des photos utilisant des Réseaux de Neurones Convolutionnels Profonds
Plateforme open-source d'annotation de données multimodales avec support d'auto-annotation IA.
Dépôt officiel pour la base de code Pixel-LLM : Sa2VA (T-PAMI-26), SAMTok (CVPR-26), VRT (Arxiv-25), SaSaSa2VA (1ère solution pour LSVOS)
La bibliothèque CImg est un petit kit d'outils C++ open-source pour le traitement d'images.
Une sélection de matériaux de recherche de pointe sur la prédiction de trajectoire
Détermination de la localisation d'objets détectables à basse altitude. Le SOTA en IA FOSS pour drones !
Ce dépôt contient l'implémentation officielle des articles de recherche « MobileCLIP » CVPR 2024 et « MobileCLIP2 » TMLR Août 2025
Une ressource indispensable pour quiconque souhaite expérimenter et construire sur l'API Vision d'OpenAI 🔥
Mise en œuvre de la sélection de texte, de la sélection de caractères, de la sélection et de la reconnaissance de captcha par toucher, entraînée sur PyTorch
[CVPR 2025] Apprentissage de champs de flux dans l'attention pour la génération d'images de personnes contrôlable
Les agents backend sont construits avec : une base de données multimodale, une orchestration et un service dans un seul fichier
Calcul symbolique rapide, génération de code et optimisation non linéaire pour la robotique
Interface de manipulation universelle : enseignement de robot dans la nature sans robots dans la nature
[CVPR 2025] MatAnyone : Matting vidéo stable avec propagation de mémoire cohérente
Personnalisez le modèle Segment Anything (SAM) avec 1 prise de vue en 10 secondes
Amica est une interface open source pour la communication interactive avec des personnages 3D avec synthèse vocale et reconnaissance vocale.
MixTeX multimodal LaTeX, ZhEn et OCR de tableaux. Il effectue une inférence efficace basée sur le CPU en local, hors ligne, sous Windows.
Code officiel pour "FeatUp : Un cadre agnostique au modèle pour les caractéristiques à n'importe quelle résolution" ICLR 2024
[TPAMI 2025] ViewCrafter : Dompter les modèles de diffusion vidéo pour une synthèse de vues nouvelles de haute fidélité
Machine Learning University : Cours accéléré de vision par ordinateur
[ACM MM 2024] Ceci est le code officiel pour « AniTalker : Animer des visages parlants vifs et diversifiés grâce à un codage de mouvement facial découplé de l'identité »
[CVPR 2025 Highlight] DepthCrafter : Génération de séquences de profondeur longues et cohérentes pour des vidéos en monde ouvert
DomainBed est une suite pour tester les algorithmes de généralisation de domaine
Un tutoriel montrant comment entraîner, convertir et exécuter des modèles de détection d'objets TensorFlow Lite sur des appareils Android, Raspberry Pi, et plus encore !
Une base de code unifiée pour l’apprentissage semi-supervisé (NeurIPS'22)
Une nouvelle approche en un coup pour l'échange de visages dans les domaines de l'image et de la vidéo
[CVPR 2025] Fast3R : Reconstruction 3D rapide de plus de 1000 images en une seule passe avant
Une liste complète de documents sur les représentations implicites et NeRF relatifs au domaine de la robotique/RL, y compris des documents, des codes et des sites Web associés
Une branche pour ajouter l'entraînement de modèles multimodaux à open-r1
Les modules plug-and-play les plus complets pour l'ensemble du réseau en 2025, partagés gratuitement ! CVPR2025, AAAI2025, ICLR2025, TNNLS2025, arXiv2025...... Comprend tous les domaines de l'intelligence artificielle (apprentissage automatique, apprentissage profond, etc.), adaptés à la classification d'images, à la détection d'objets, à la segmentation d'instances, à la segmentation sémantique, à la segmentation panoptique, à l'estimation de pose, à la segmentation d'images médicales, à la segmentation d'objets vidéo, au détourage d'images, à l'édition d'images, au suivi d'objets uniques, au suivi d'objets multiples, à la ré-identification de personnes, RGBT, débruitage d'images, suppression de la pluie, suppression du brouillard, suppression des ombres, suppression du flou, super-résolution, suppression des reflets, suppression des motifs moirés, restauration d'images, réparation d'images, restauration d'images hyperspectrales, fusion d'images, colorisation d'images, imagerie à grande gamme dynamique, compression vidéo et image, nuages de points 3D, détection d'objets 3D, segmentation sémantique 3D, estimation de pose 3D, etc., ainsi qu'à d'autres tâches liées à l'IA telles que le traitement du langage naturel, les grands modèles linguistiques, le multimodal, etc. Mise à jour continue......
[CVPR 2025 Highlight] Modèle de Diffusion Tronqué pour la Conduite Autonome End-to-End en Temps Réel
Code officiel pour l'article « LucidDreamer : Génération de scènes de splatting gaussien 3D sans domaine ».
Bibliothèque d'outils OCR basée sur Pytorch, prenant en charge les algorithmes courants de détection et de reconnaissance de texte
Une plateforme de recherche d'analyse faciale fiable développée par le Tencent Youtu Lab
Application Android pour scanner et manipuler des notes et documents manuscrits.
[ICCV 2023] DDColor : Vers une colorisation d'images photoréaliste via des décodeurs doubles