#computer-vision Dépôts
1,451 dépôts au total
Inspirer la prochaine génération de modèles Segment Anything : Évaluer de manière exhaustive SAM et SAM 2 avec des invites diverses pour des concepts dépendant du contexte dans différents scénarios
[ICCV 2025] SAM2Long : Amélioration de SAM 2 pour la segmentation de vidéos longues avec un arbre de mémoire sans entraînement
Traitement du signal d'image IA et photographie computationnelle. Bibliothèque officielle pour les défis NTIRE (CVPR) et AIM (ICCV/ECCV). Vous y trouverez des ISP appris, la restauration-mise à l'échelle-reconstruction RAW, l'amélioration d'image, le rendu bokeh et plus encore !
Code pour le article ICCV 2021 "Pixel Difference Networks for Efficient Edge Detection" (Oral).
Code Officiel pour l'article ECCV 2024 — Imitateur de Diffusion en une seule prise pour la génération de texte manuscrit
Estimation du regard utilisant l'apprentissage profond, un framework basé sur TensorFlow.
[NeurIPS 2020] Ce projet fournit une solide base d'étapes uniques pour la classification, la détection et la segmentation d'instance à longue queue (LVIS). C'est également une implémentation PyTorch de l'article NeurIPS 2020 'Long-Tailed Classification by Keeping the Good and Removing the Bad Momentum Causal Effect'.
Ceci est une implémentation officielle PyTorch de "Cross View Fusion for 3D Human Pose Estimation, ICCV 2019".
[Image and Vision Computing (Vol.147 Juil. '24)] Matting naturel interactif d'images avec les modèles Segment Anything
Code officiel pour "RealFusion : Reconstruction à 360° de tout objet à partir d'une seule image" (CVPR 2023)
【NeurIPS 2022 Spotlight】Reconstruction de Surfaces Neuronales de Scènes Dynamiques avec une Caméra Monoculaire RGB-D
[NeurIPS 2021] Repenser les Réseaux Espace-Temps avec une Meilleure Couverture Mémoire pour une Segmentation Vidéo d'Objets Efficace
Bibliothèque Python pour la détection de petits objets YOLO et la segmentation d'instances
Un modèle basé sur SAM pour la segmentation d'instances d'images de grains
Résumé, Code pour la Quantification de Réseaux de Neurones Profonds
Pipeline d'augmentation pour le rendu des processus d'impression sur papier synthétique, fax, numérisation et copie
[CVPR 2024] Le dépôt officiel de "GaussianAvatar: Towards Realistic Human Avatar Modeling from a Single Video via Animatable 3D Gaussians"
Une plaque tournante pour divers schémas spécifiques à l'industrie à utiliser avec les VLM.
(ECCVW 2025) GPT4RoI: Ajustement d'instructions pour les grands modèles linguistiques sur la région d'intérêt
Implémentation Pytorch de notre article "CLRNet: Cross Layer Refinement Network for Lane Detection" (Acceptation CVPR2022).
[CVPR 2020--Oral] CycleISP : Restauration d'images réelles via la synthèse de données améliorée
Calibrez l'appareil photo avec la méthode ZhangZhengyou (dans les cas avec distorsion et sans distorsion)
[ICLR 2025 Spotlight] Vision-RWKV : Perception visuelle efficace et évolutive avec des architectures de type RWKV
Logiciel chinois de localisation, de correction et de reconnaissance de bout en bout des plaques d'immatriculation basé sur u-net, cv2 et cnn, où unet et cv2 sont utilisés pour la localisation et la correction des plaques d'immatriculation, et cnn pour la reconnaissance des plaques d'immatriculation, unet et cnn étant tous deux des implémentations keras basées sur tensorflow
✨ Premier modèle de reconnaissance de polices CJK (chinois, japonais, coréen) et d'extraction de style, modèle de reconnaissance de polices YuzuMarker et implémentation / Premier extracteur de reconnaissance et de style de polices CJK (chinois, japonais, coréen), projet secondaire de YuzuMarker
Implémentation Officielle des Gaussiennes de Rue Auto-Supervisées pour la Conduite Autonome
(ITSC 2021) Optimisation de la sélection des échantillons pour un étalonnage robuste de la caméra lidar. Ce package estime les paramètres d'étalonnage du cadre de la caméra au cadre lidar.
Enregistrement des articles récents sur 1) les tâches de vision de bas niveau telles que l'amélioration de la super-résolution d'images/vidéos ; 2) la génération d'images, principalement des méthodes basées sur le DL après 2018.