#computer-vision Dépôts
1,451 dépôts au total
CALVIN - Une référence pour l'apprentissage de politiques conditionnées par le langage pour les tâches de manipulation robotique à long terme
L'implémentation officielle de la génération d'images autorégressive utilisant la quantification résiduelle (CVPR '22)
Ce dépôt accompagne l'article de recherche ARKitScenes - Un ensemble de données diversifié du monde réel pour la compréhension des scènes intérieures 3D à l'aide de données mobiles RGB-D et contient les données, les scripts pour visualiser et traiter les actifs, et le code d'entraînement décrits dans notre article.
[3DV 2025] Code pour "FlowMap : poses de caméra de haute qualité, intrinsèques et profondeur via la descente de gradient" par Cameron Smith*, David Charatan*, Ayush Tewari et Vincent Sitzmann
Code pour l'article : Les images générées par CNN sont étonnamment faciles à repérer... pour l'instant https://peterwang512.github.io/CNNDetection/
Articles ICCV 2023-2025 : Découvrez les recherches de pointe d'ICCV 2023-25, la conférence de premier plan en vision par ordinateur. Restez à jour sur les dernières nouveautés en vision par ordinateur et en apprentissage profond, avec le code inclus. ⭐ Soutenez le développement de l'intelligence visuelle !
[SIGGRAPH Asia 2025 (ACM TOG)] AnySplat : Rendu par projection gaussienne 3D (Gaussian Splatting) en flux direct à partir de vues non contraintes
L'idée de cette liste est de collecter des données et des algorithmes partagés autour des Modèles Morphables 3D. Vous êtes invités à contribuer à cette liste en ajoutant une pull request. La liste originale est issue du séminaire Dagstuhl sur les Modèles Morphables 3D https://www.dagstuhl.de/19102 en mars 2019.
Implémentation de l'Apprentissage Profond Multi-Instance Basé sur l'Attention en PyTorch
Ce dépôt est destiné à héberger des outils et des démonstrations pour ActivityNet.
Ce nœud fournit des capacités de synchronisation labiale dans ComfyUI en utilisant le modèle LatentSync de ByteDance. Il permet de synchroniser les lèvres de la vidéo avec l'entrée audio.
Code pour la génération de visages parlants contrôlables par la pose via une représentation audio-visuelle implicitement modularisée (CVPR 2021)
Une méthode en temps réel qui estime la pose humaine 3D directement au format populaire Bio Vision Hierarchy (BVH), étant donné des estimations des articulations corporelles 2D provenant d'images couleur monoculaires. Nos contributions incluent : (a) Une représentation NSRM de pose 2D novatrice et compacte. (b) Un classificateur d'orientation du corps humain et un ensemble d'orientations ajustées
[ICRA 2025 Best Paper] MAC-VO : Covariance sensible aux métriques pour l'odométrie visuelle stéréo basée sur l'apprentissage
MAT : Transformateur conscient du masque pour l'inpainting d'images à grands trous
Code source lié au projet de reconnaissance des expressions faciales dans la reconnaissance faciale
Modèle de base vidéo de niveau industriel pour la génération unifiée de texte en vidéo (T2V) et d'image en vidéo (I2V).
Apprendre la vision par ordinateur manuellement - Version Pytorch
[dsh] Une boîte à outils visuelle plus puissante conçue pour les modèles texte uniquement : installation et utilisation en une seule ligne, reconnaissance directe des images par collage, questions-réponses sur plusieurs images, restauration de l’interface frontend à partir de captures d’écran, et bien plus encore|Intégration native de DeepSeek Harness pour agent-vision-toolkit : questions-réponses sur les images, OCR de longues captures d’écran, restauration de l’UI, grounding, comparaison pixel par pixel, Artifacts et Web UI.
Une collection des dépôts Github les plus importants pour les praticiens du ML, de l'IA et de la science des données
Une bibliothèque pour expérimenter, entraîner et évaluer des réseaux de neurones, avec un accent sur la robustesse adversariale.
Entraînement rapide de champ de radiance neuronal avec des trajectoires de caméra libres
Mise à l’échelle de vos noyaux à 31x31 : Révision de la conception de grands noyaux dans les CNN (CVPR 2022)
Vision par ordinateur moderne avec PyTorch, publié par Packt
[ECCV'24] GeoWizard : Libérer les priors de diffusion pour l'estimation de la géométrie 3D à partir d'une seule image