#human-pose-estimation Dépôts
Découvrez 23 dépôts GitHub open source actifs associés à #human-pose-estimation, cumulant 94,800 étoiles au total (soit une moyenne de 4,121 étoiles par projet). Le projet en tête de ce thème est CMU-Perceptual-Computing-Lab/openpose, avec 33,619 étoiles.
23 dépôts au total
OpenPose : Bibliothèque de détection de points clés multi-personnes en temps réel pour l'estimation du corps, du visage, des mains et des pieds
Kit d'outils de détection d'objets basé sur PaddlePaddle. Il prend en charge la détection d'objets, la segmentation d'instances, le suivi de plusieurs objets et la détection de points clés de plusieurs personnes en temps réel.
Système d'Estimation et de Suivi de Pose Corps Entier Multi-Personnes en Temps Réel et Précis
Outfit Anyone : Essayage virtuel de ultra haute qualité pour tout vêtement et toute personne
[ECCV2024] IDM-VTON : Amélioration des modèles de diffusion pour l'essayage virtuel authentique dans la nature
Le projet est une implémentation officielle de notre article CVPR2019 «Deep High-Resolution Representation Learning for Human Pose Estimation».
L'implémentation officielle PyTorch du papier "Human Motion Diffusion Model"
Estimation rapide et précise de la pose humaine en PyTorch. Contient l'implémentation de l'article "Real-time 2D Multi-Person Pose Estimation on CPU: Lightweight OpenPose".
WiFi-3D-Fusion est un projet de recherche open-source qui utilise les signaux CSI WiFi et l'apprentissage profond pour estimer la pose humaine 3D, fusionnant la détection sans fil avec des techniques de vision par ordinateur pour une conscience spatiale de nouvelle génération.
⚡️Le framework de perception spatiale pour construire rapidement des robots intelligents et des espaces
Implémentation officielle de "OpenPifPaf: Champs composites pour la détection de points clés sémantiques et l'association spatio-temporelle" en PyTorch.
Code officiel pour MAMMA : Acquisition de mouvement multi-personnes précise et sans marqueurs.
[NeurIPS 2023] Implémentation officielle du papier "Motion-X: A Large-scale 3D Expressive Whole-body Human Motion Dataset"
Implémentation officielle PyTorch de «Approche top-down consciente de la distance à la caméra pour l'estimation de poses multi-personnes en 3D à partir d'une seule image RGB», ICCV 2019
L'imitation visuelle permet un contrôle humanoïde contextuel. CoRL 2025, Prix du Meilleur Article Étudiant.
[CVPR 2023] Implémentation officielle du papier "One-Stage 3D Whole-Body Mesh Recovery with Component Aware Transformer"
Représentation de coordonnées consciente de la distribution pour l'estimation de la pose humaine
"Learning Delicate Local Representations for Multi-Person Pose Estimation" (ECCV 2020 Spotlight) & (Vainqueur du défi COCO 2019 pour la détection de points clés humains) & (Prix du meilleur article COCO 2019)
Foire aux questions
Quel est le dépôt #human-pose-estimation le plus populaire sur GitHub ?
Le projet #human-pose-estimation open source le mieux classé sur GitHub est CMU-Perceptual-Computing-Lab/openpose, avec 33,619 étoiles. OpenPose : Bibliothèque de détection de points clés multi-personnes en temps réel pour l'estimation du corps, du visage, des mains et des pieds
Quels langages de programmation sont les plus utilisés dans les dépôts #human-pose-estimation ?
Parmi les projets #human-pose-estimation les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, Cuda.
Comment le classement des dépôts #human-pose-estimation est-il calculé ?
Nous suivons 23 dépôts open source actifs associés à #human-pose-estimation (500+ étoiles), totalisant 94,800 étoiles, avec une moyenne de 4,121 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.