#real-time-inference Dépôts
Découvrez 43 dépôts GitHub open source actifs associés à #real-time-inference, cumulant 133,583 étoiles au total (soit une moyenne de 3,106 étoiles par projet). Le projet en tête de ce thème est facebookresearch/sam2, avec 20,204 étoiles.
43 dépôts au total
Le dépôt fournit le code pour exécuter l'inférence avec le Meta Segment Anything Model 2 (SAM 2), des liens pour télécharger les points de contrôle du modèle entraîné et des exemples de notebooks qui montrent comment utiliser le modèle.
Ce dépôt contient l'implémentation officielle de "FastVLM: Efficient Vision Encoding for Vision Language Models" - CVPR 2025
Depth Pro : Profondeur métrique monoculaire nette en moins d'une seconde.
Un framework d'apprentissage profond industriel pour données creuses de haute dimension
Modèles de synthèse vocale et de reconnaissance vocale de Kyutai basés sur le framework Delayed Streams Modeling.
Un modèle d'avatar ultra-léger pouvant fonctionner en temps réel sur les appareils mobiles
⚠️DirectML est en mode maintenance ⚠️ DirectML est une bibliothèque DirectX 12 haute performance et accélérée par le matériel pour l'apprentissage automatique. DirectML fournit une accélération GPU pour les tâches courantes d'apprentissage automatique sur une large gamme de matériel et de pilotes pris en charge, y compris toutes les GPU compatibles avec DirectX 12 des fournisseurs tels que AMD, Intel, NVIDIA et Qualcomm.
premier modèle de base pour l'audio conversationnel bidirectionnel
Implémentation officielle du papier "MonST3R : une approche simple pour estimer la géométrie en présence de mouvement"
Une implémentation TensorFlow de cet article Nvidia : https://arxiv.org/pdf/1604.07316.pdf avec quelques modifications
Un framework d'auto-adaptation🐙 qui adapte les LLM pour des tâches inédites en temps réel !
Donnez vie aux portraits en temps réel ! Prise en charge onnx/tensorrt ! Pilote de portrait en temps réel !
Moteur d'inférence C++ prêt pour la production, multiplateforme, pour les modèles YOLO (v5‑v12, YOLO26). API unifiée pour la détection, la segmentation, l'estimation de pose, OBB et la classification. Construit sur ONNX Runtime et OpenCV. Optimisé pour CPU/GPU avec prise en charge de la quantification.
RepViT : Revoir les CNN mobiles du point de vue ViT [CVPR 2024] et RepViT-SAM : Vers la segmentation en temps réel de n'importe quoi
Le programme d'entraînement pour libfacedetection pour la détection de visage et la détection de 5 points de repère.
Ceci est un nœud personnalisé qui regroupe les outils que j'utilise fréquemment.
VideoLLM-online : Modèle linguistique étendu en ligne pour la vidéo en streaming (CVPR 2024)
Une démo simple de yolov5s fonctionnant sur rk3588/3588s en utilisant c++ (environ 142 images/s). / Une démo simple de yolov5s fonctionnant sur rk3588/3588s en utilisant c++ (environ 142 images/s).
YOLOPv2 : Mieux, Plus Rapide, Plus Fort pour la Perception Panoptique de la Conduite
Cahiers et exemples sur la façon d'onboarder et d'utiliser diverses fonctionnalités d'Amazon Personalize
Une implémentation modulaire efficace d'association d'objets avec des Transformers pour la segmentation d'objets vidéo dans PyTorch
MotionStream : Génération vidéo en temps réel avec contrôles de mouvement interactifs
Code pour le article ICCV 2021 "Pixel Difference Networks for Efficient Edge Detection" (Oral).
Application iOS Ultralytics YOLO et package Swift pour l'inférence Core ML en temps réel dans les principales tâches de vision par ordinateur.
[CVPR 2024] SinSR : Super-résolution d'images basée sur la diffusion en une seule étape
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 #real-time-inference le plus populaire sur GitHub ?
Le projet #real-time-inference open source le mieux classé sur GitHub est facebookresearch/sam2, avec 20,204 étoiles. Le dépôt fournit le code pour exécuter l'inférence avec le Meta Segment Anything Model 2 (SAM 2), des liens pour télécharger les points de contrôle du modèle entraîné et des exemples de notebooks qui montrent comment utiliser le modèle.
Quels langages de programmation sont les plus utilisés dans les dépôts #real-time-inference ?
Parmi les projets #real-time-inference les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, C++, TypeScript.
Comment le classement des dépôts #real-time-inference est-il calculé ?
Nous suivons 43 dépôts open source actifs associés à #real-time-inference (500+ étoiles), totalisant 133,583 étoiles, avec une moyenne de 3,106 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.