#computer-vision Dépôts
1,451 dépôts au total
Bibliothèque Fondamentale d'OpenMMLab pour l'Entraînement de Modèles d'Apprentissage Profond
Ressources pour le suivi d'objets multiples (MOT)
Code PyTorch pour notre article ECCV 2018 "Image Super-Resolution Using Very Deep Residual Channel Attention Networks"
[ICCV 2025] STAR : Augmentation Spatio-Temporelle avec des Modèles Texte-Vidéo pour la Super-Résolution Vidéo dans le Monde Réel
Code pour le document SIGGRAPH 2020 "RigNet: Neural Rigging pour Personnages Articulés"
Interface Python pour drone DJI Tello utilisant le SDK officiel Tello. N'hésitez pas à contribuer !
Une liste d'articles sur certains travaux récents de CV basés sur Transformer.
Lazyeat (Geste Paresseux) | Contrôle aérien par gestes, il suffit de faire un geste ! Lazyeat est un contrôleur sans contact à utiliser pendant que vous mangez ! Vous ne voulez pas avoir les mains grasses en regardant des émissions ou en naviguant sur le web pendant les repas ? Vous pouvez mettre en pause la vidéo/passer en plein écran/changer de vidéo simplement en faisant un geste vers la caméra !
Super-résolution d'images par étapes arbitraires via l'inversion de diffusion (CVPR 2025)
CVPR2023 - Activation de plus de pixels dans le transformeur de super-résolution d'images TPAMI - HAT : Transformeur d'attention hybride pour la restauration d'images
Ce dépôt fournit des références précieuses pour les chercheurs dans le domaine de la multimodalité, commencez votre voyage d'exploration dans les MLLM de raisonnement basés sur RL !
ResShift : Modèle de diffusion efficace pour la super-résolution d'images par décalage résiduel (NeurIPS@2023 Spotlight, TPAMI@2024)
[CVPR2025] Nous présentons StableAnimator, le premier framework de diffusion vidéo de bout en bout préservant l'identité (ID-preserving), qui synthétise des vidéos de haute qualité sans aucun post-traitement, conditionné par une image de référence et une séquence de poses.
[CVPR 2023] BundleSDF : Suivi neuronal 6-DoF et reconstruction 3D d'objets inconnus
Traitement d'images scientifiques N-dimensionnelles ouvert :microscope: :sparkler:
Une plongée en profondeur dans toute l'histoire de l'apprentissage profond
[ECCV 2024] Street Gaussians : Modélisation de scènes urbaines dynamiques avec Gaussian Splatting
Espace de travail FTC Android Studio pour la programmation de robots dans Android Studio
Implémentation officielle de VisionHOPE en PyTorch : les architectures visuelles comme systèmes d’apprentissage auto-modifiants.
Détection d'objets de bout en bout en temps réel et précise à vocabulaire ouvert
Collectez les derniers résultats de la CVPR (Conference on Computer Vision and Pattern Recognition), y compris les articles, le code et les vidéos de démonstration, etc., et nous vous invitons à recommander !
MulimgViewer est un visualiseur d'images multiples qui peut ouvrir plusieurs images dans une seule interface, ce qui est pratique pour la comparaison d'images et la fusion d'images.
un cadre ouvert pour la navigation des aveugles basé sur l'ESP32
Pruna est un framework d'optimisation de modèles conçu pour les développeurs, vous permettant de fournir des modèles plus rapides et plus efficaces avec une surcharge minimale.
Xtreme1 est une plateforme tout-en-un d'étiquetage et d'annotation de données pour la formation de données multimodales et prend en charge les nuages de points 3D LiDAR, les images et les LLM.
Dépôt officiel de l'optimisation évolutive des recettes de fusion de modèles
Zenless Zone Zero | 绝区零 | Zone Vide N°0 | Combat automatique | Automatisation | Classification d'images | Reconnaissance OCR
Ce dépôt est l'implémentation officielle de Disentangling Writer and Character Styles for Handwriting Generation (CVPR 2023)
Collectez quelques papiers sur les transformeurs pour la détection et la segmentation. Awesome Detection Transformer pour la vision par ordinateur (CV)
[CVPR 2025] Hallo3 : Animation d'images de portraits très dynamique et réaliste avec Video Diffusion Transformer
Créez, entraînez, optimisez et exécutez des modèles de vision par ordinateur en local, des images brutes à l’inférence en temps réel. Open source, optimisé pour Intel® XPU (CUDA est également pris en charge).
Catalogue visuel soigneusement sélectionné de plus de 200 architectures de modèles de vision et de langage (VLM/MLLM) : articles, schémas, recettes d’entraînement, jeux de données et calendrier de publication des agents d’IA multimodaux.