#computer-vision Repository
1,451 repository in totale
Libreria Fondamentale di OpenMMLab per l'Addestramento di Modelli di Deep Learning
Risorse per il tracciamento di oggetti multipli (MOT)
Codice PyTorch per il nostro articolo ECCV 2018 "Image Super-Resolution Using Very Deep Residual Channel Attention Networks"
[ICCV 2025] STAR: Augmentation Spazio-Temporale con Modelli Text-to-Video per Super-Resolution Video del Mondo Reale
Codice per l'articolo SIGGRAPH 2020 "RigNet: Neural Rigging per Personaggi Articolati"
Implementazione ufficiale del modello di percezione 3D continua con stato persistente
Interfaccia Python per drone DJI Tello utilizzando il SDK ufficiale Tello. Sentitevi liberi di contribuire!
Un elenco di documenti di alcuni recenti lavori di CV basati su Transformer.
Lazyeat (Gesto Pigro) | Controllo aereo tramite gesti, basta fare un gesto! Lazyeat รจ un controller touch-free da usare mentre si mangia! Non vuoi avere le mani unte mentre guardi programmi o navighi sul web durante i pasti? Puoi mettere in pausa i video/passare a schermo intero/cambiare i video semplicemente gesticolando verso la fotocamera!
Super-risoluzione di immagini a passi arbitrari tramite inversione di diffusione (CVPR 2025)
CVPR2023 - Attivazione di piรน pixel nel Transformer di Super-Risoluzione di Immagini TPAMI - HAT: Transformer di Attenzione Ibrida per il Restauro di Immagini
Questo repository fornisce preziosi riferimenti per i ricercatori nel campo della multimodalitร , inizia il tuo viaggio esplorativo nei MLLM di ragionamento basati su RL!
ResShift: Diffusore Efficiente per il Super-risoluzione di Immagini tramite Residual Shifting (NeurIPS@2023 Spotlight, TPAMI@2024)
[CVPR2025] Presentiamo StableAnimator, il primo framework end-to-end di diffusione video che preserva l'identitร , il quale sintetizza video di alta qualitร senza alcuna post-elaborazione, condizionato da un'immagine di riferimento e una sequenza di pose.
[CVPR 2023] BundleSDF: Tracciamento e Ricostruzione 3D Neuronali 6-DoF di Oggetti Sconosciuti
Elaborazione di immagini scientifiche N-dimensionali aperta :microscope: :sparkler:
[ECCV 2024] Street Gaussians: Modellare scene urbane dinamiche con Gaussian Splatting
Area di lavoro FTC Android Studio per la programmazione di robot in Android Studio
Implementazione ufficiale in PyTorch di VisionHOPE: backbone visivi come sistemi di apprendimento auto-modificanti.
Rilevamento di oggetti end-to-end in tempo reale e accurato con vocabolario aperto
Raccogli gli ultimi risultati della CVPR (Conference on Computer Vision and Pattern Recognition), inclusi paper, codice e video dimostrativi, ecc., e diamo il benvenuto ai suggerimenti di tutti!
MulimgViewer รจ un visualizzatore di immagini multiple che puรฒ aprire piรน immagini in un'unica interfaccia, il che รจ comodo per il confronto di immagini e la fusione di immagini.
un framework aperto per la navigazione dei non vedenti basato su ESP32
Pruna รจ un framework di ottimizzazione dei modelli creato per gli sviluppatori, che consente di fornire modelli piรน veloci ed efficienti con un sovraccarico minimo.
Xtreme1 รจ una piattaforma all-in-one per l'etichettatura e l'annotazione dei dati per l'addestramento di dati multimodali e supporta nuvole di punti 3D LiDAR, immagini e LLM.
Repository ufficiale dell'ottimizzazione evolutiva delle ricette di fusione dei modelli
Zenless Zone Zero | ็ปๅบ้ถ | Vuoto Zero | Combattimento automatico | Automazione | Classificazione di immagini | Riconoscimento OCR
Questo repository รจ l'implementazione ufficiale di Disentangling Writer and Character Styles for Handwriting Generation (CVPR 2023)
Raccogli alcuni articoli sui transformer per il rilevamento e la segmentazione. Awesome Detection Transformer per la Computer Vision (CV)
[CVPR 2025] Hallo3: Animazione di immagini di ritratti altamente dinamica e realistica con Video Diffusion Transformer
Crea, addestra, ottimizza ed esegui modelli di computer vision localmente, dalle immagini grezze allโinferenza in tempo reale. Open source e ottimizzato per Intelยฎ XPU (supporta anche CUDA).
Catalogo visivo selezionato di oltre 200 architetture di modelli visione-linguaggio (VLM/MLLM): articoli, diagrammi, ricette di addestramento, set di dati e cronologia dei rilasci degli agenti IA multimodali.