#computer-vision Dépôts
1,451 dépôts au total
Robust Video Matting in PyTorch, TensorFlow, TensorFlow.js, ONNX, CoreML!
Guide Hello AI World pour déployer des réseaux d'inférence deep-learning et des primitives de vision profonde avec TensorRT et NVIDIA Jetson.
Appareil facile à utiliser pour connecter des unités de mesure "anciennes" (eau, électricité, gaz, ...) au monde numérique
Matériel de laboratoire pour MIT 6.S191 : Introduction au Deep Learning
Guide d'Entretien en Apprentissage Profond (Comprend Mathématiques, Apprentissage Automatique, Apprentissage Profond, Vision par Ordinateur, Traitement du Langage Naturel et SLAM, etc.)
Zenless Zone Zero "Tout-en-un" | Entièrement automatique | Esquive automatique | Quotidien automatique | Creux automatiques | Support manette
Code d'accompagnement dans "Tutoriel pratique de formation de modèles PyTorch"
Expérimentez, apprenez et codez les dernières innovations révolutionnaires avec Microsoft AI
Restaurer n'importe quoi en utilisant les modèles Segment Anything et d'inpainting.
Devenez un chercheur/ingénieur en IA/ML hors pair grâce à ce manuel non conventionnel qui aborde les mathématiques, l'informatique et le ML avec intuition.
Emote Portrait Alive: Génération de vidéos de portraits expressifs avec le modèle de diffusion Audio2Video dans des conditions faibles
Paquet Go pour la vision par ordinateur utilisant OpenCV 4 et au-delà. Inclut le support pour DNN, CUDA, OpenCV Contrib et OpenVINO.
OpenFace – un outil de pointe destiné à la détection de points de repère faciaux, à l'estimation de la pose de la tête, à la reconnaissance d'unités d'action faciale et à l'estimation du regard des yeux.
PySlowFast : codebase de compréhension vidéo de FAIR pour reproduire les modèles vidéo de pointe.
Format Lakehouse ouvert pour l'IA multimodale. Convertissez depuis Parquet en 2 lignes de code pour un accès aléatoire 100 fois plus rapide, un index vectoriel et la gestion de version des données. Compatible avec Pandas, DuckDB, Polars, Pyarrow et PyTorch, avec d'autres intégrations à venir.
Une compétence d’agent qui détermine où une photo a été prise — à l’aide de la géométrie d’OpenStreetMap, des silhouettes d’horizon selon l’altitude, d’images satellites et de vues de rues — et montre son travail. Fonctionne avec Claude Code, Codex, Cursor, Gemini CLI, OpenCode et GitHub Copilot.
OpenMMLab Boîte à Outils Multimodale Avancée, Générative et Intelligente de Création. Déverrouillez la magie 🪄: IA Générative (AIGC), API faciles à utiliser, zoo de modèles impressionnant, modèles de diffusion, pour la génération texte-image, restauration/amélioration d'images/vidéos, etc.
Dépôt officiel de "SAMURAI: Adapting Segment Anything Model for Zero-Shot Visual Tracking with Motion-Aware Memory"
Maintenu officiellement, soutenu par PaddlePaddle, incluant CV, NLP, Speech, Rec, TS, grands modèles et ainsi de suite.
Liste de lecture pour les sujets de recherche en apprentissage automatique multimodal
Implémentation officielle de OCR-free Document Understanding Transformer (Donut) et Synthetic Document Generator (SynthDoG), ECCV 2022
Ouvrir la bibliothèque de géométrie multi-vue. Base pour la vision par ordinateur 3D et Structure from Motion.
[AAAI 2025] Implémentation officielle de "OOTDiffusion: Outfitting Fusion based Latent Diffusion for Controllable Virtual Try-on"