#depth-estimation Dépôts
Découvrez 52 dépôts GitHub open source actifs associés à #depth-estimation, cumulant 118,050 étoiles au total (soit une moyenne de 2,270 étoiles par projet). Le projet en tête de ce thème est facebookresearch/vggt, avec 14,654 étoiles.
52 dépôts au total
Code et modèles PyTorch pour la méthode d'apprentissage auto-supervisé DINOv2.
[CVPR 2024] Depth Anything : Libérer la puissance des données à grande échelle non étiquetées. Modèle Fondamental pour l'Estimation de la Profondeur Monoculaire
Depth Pro : Profondeur métrique monoculaire nette en moins d'une seconde.
[ICCV 2019] Estimation de profondeur monoculaire à partir d'une seule image
pySLAM est un pipeline SLAM Visuel hybride Python/C++ prenant en charge les caméras monoculaires, stéréoscopiques et RGB-D. Il offre un large éventail d'extracteurs de caractéristiques locales et globales modernes, de multiples stratégies de fermeture de boucle, un module de reconstruction volumétrique, des modèles intégrés de prédiction de profondeur et des capacités de segmentation sémantique pour une meilleure compréhension de la scène.
[CVPR 2024 - Oral, Candidat au Best Paper Award] Marigold : Réutilisation de générateurs d'images basés sur la diffusion pour l'estimation de profondeur monoculaire
[Nomination du meilleur article CVPR 2025] FoundationStereo : correspondance stéréo sans supervision (Zero-Shot)
[CVPR 2025 Highlight] Video Depth Anything : Estimation de profondeur cohérente pour des vidéos super longues
Suivi robuste en temps réel du visage et des points de repère faciaux sur CPU avec intégration Unity
Entraînement tout-en-un pour les modèles de vision (YOLO, ViTs, RT-DETR, DINOv3) : pré-entraînement, fine-tuning, distillation.
Code officiel pour l'article « LucidDreamer : Génération de scènes de splatting gaussien 3D sans domaine ».
🔥🔥🔥TensorRT pour YOLO26 (détection/pose/segmentation/profondeur/boîtes orientées/classification), YOLOv11, YOLOv10, YOLOv9, YOLOv8, ... 🚀🚀🚀 CUDA, C’EST TOUT CE QU’IL VOUS FAUT. 🍎🍎🍎
⚡️Le framework de perception spatiale pour construire rapidement des robots intelligents et des espaces
[CVPR 2026] InfiniDepth : Estimation de profondeur à résolution arbitraire et granularité fine avec champs neuronaux implicites
GigaModels : Un référentiel et une plateforme complets pour les modèles multimodaux, génératifs et perceptuels
[CVPR 2024 Highlight] Implémentation officielle PyTorch de SpatialTracker : Suivi de n'importe quels pixels 2D dans l'espace 3D
[CVPR 2024] Un Framework End-to-End Basé sur des Tuiles pour l'Estimation de Profondeur Métrique Monoculaire à Haute Résolution
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.
Boîte à outils d'estimation de profondeur monoculaire basée sur MMSegmentation.
[ECCV'24] GeoWizard : Libérer les priors de diffusion pour l'estimation de la géométrie 3D à partir d'une seule image
Latent Bridge Matching pour la traduction rapide d'image à image (Point fort de l'ICCV 2025)
Implémentation officielle de « Lotus : Modèle de base visuel basé sur la diffusion pour la prédiction dense de haute qualité »
Calibration géométrique précise de la caméra avec des modèles de caméra génériques
Une liste organisée d'articles et de ressources liés à DUSt3R, suivant les progrès récents grâce à ce modèle fondamental géométrique.
[AAAI 2025, Oral] DepthFM : Estimation rapide de la profondeur monoculaire avec“Flow Matching”
Estimation de profondeur mono / stéréo + détection d'objets YOLO avec déploiement sur Jetson Nano / TX2 / GeForce via TensorRT
Une liste organisée de ressources impressionnantes sur la correspondance stéréoscopique profonde
[CVPR 2026 (Highlight)] Scal3R : Entraînement évolutif en temps de test pour la reconstruction 3D à grande échelle
Application iOS Ultralytics YOLO et package Swift pour l'inférence Core ML en temps réel dans les principales tâches de vision par ordinateur.
Code de recherche pour l'estimation de la profondeur métrique dans l'imagerie VR périoculaire utilisant des données générées par UE MetaHuman.
Un module d'extension Blender pour générer des données de vérité terrain synthétiques pour les applications de vision par ordinateur
Plugin Flutter officiel d’Ultralytics YOLO pour l’inférence en temps réel sur Android et iOS dans les principales tâches de vision.
Foire aux questions
Quel est le dépôt #depth-estimation le plus populaire sur GitHub ?
Le projet #depth-estimation open source le mieux classé sur GitHub est facebookresearch/vggt, avec 14,654 étoiles. [CVPR 2025 Best Paper Award] VGGT: Visual Geometry Grounded Transformer
Quels langages de programmation sont les plus utilisés dans les dépôts #depth-estimation ?
Parmi les projets #depth-estimation les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, Jupyter Notebook, C#.
Comment le classement des dépôts #depth-estimation est-il calculé ?
Nous suivons 52 dépôts open source actifs associés à #depth-estimation (500+ étoiles), totalisant 118,050 étoiles, avec une moyenne de 2,270 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.