#computer-vision Repository
1,451 repository in totale
Stack ADAS di livello 2 gratuito e completamente open source, basato su tecnologia IA end-to-end
Sintesi in tempo reale di ritratti danzanti a radiazione neurale tramite scomposizione audio-spaziale
U-Mamba: Migliorare la dipendenza a lungo raggio per la segmentazione di immagini biomediche
Un elenco curato di registrazione di nuvole di punti.
[ECCV'2024] Gaussian Grouping per la ricostruzione, segmentazione e modifica di Anything in open-world.
Vchitect-2.0: Transformer parallelo per l'upscaling di modelli di diffusione video
Un modello OCR LaTeX SOTA minimalista con soli 20M di parametri, in esecuzione nel browser. Pipeline di training completa disponibile per l'auto-riproduzione. | Modello OCR per formule LaTeX SOTA ultraleggero con soli 20M di parametri, eseguibile nel browser. Codice completo della pipeline di addestramento open source per l'autoapprendimento e la riproduzione.
Questo progetto estende l'idea dell'architettura innovativa delle Kolmogorov-Arnold Networks (KAN) ai Convolutional Layers, cambiando la classica trasformazione lineare della convoluzione in attivazioni non lineari apprendibili in ogni pixel.
Questo repository รจ la base di un corso guidato dalla community sulla Computer Vision con Reti Neurali. Sentitevi liberi di unirvi a noi sul Discord di Hugging Face: hf.co/join/discord
Genera immagini di righe di testo per l'addestramento di modelli OCR di deep learning
Una raccolta curata di risorse iOS, ML e AR, arricchita da alcune aggiunte UI.
TriplaneGaussian: Una nuova rappresentazione ibrida per la ricostruzione 3D da singola vista.
Un elenco curato di pubblicazioni sulla segmentazione semantica a vocabolario aperto e aree correlate (ad es. segmentazione semantica zero-shot) risorse..
Codice ufficiale per MAMMA: Acquisizione di movimento multi-persona precisa e senza marcatori.
3DMatch - un descrittore geometrico locale basato su ConvNet 3D per allineare mesh 3D e nuvole di punti.
[CVPR 2024] LMDrive: Guida end-to-end a circuito chiuso con modelli linguistici di grandi dimensioni
Sul mistero nascosto dell'OCR nei grandi modelli multimodali (OCRBench)
AMD Ryzenโข AI Software include gli strumenti e le librerie di runtime per ottimizzare e distribuire l'inferenza AI su PC basati su AMD Ryzenโข AI.
Informazioni su Questo repository รจ una raccolta curata degli articoli piรน interessanti e influenti del CVPR 2025. ๐ฅ [Paper + Code + Demo]
You Only Watch Once: Un'Architettura CNN Unificata per la Localizzazione di Azioni Spaziotemporali in Tempo Reale
โ๏ธChatbot medico potenziato da GenAI con piรน agenti per la diagnostica medica e l'assistenza alla ricerca sanitaria. ๐ฅ Progettato per professionisti sanitari, ricercatori e pazienti.
[ICCV 2025, Orale] TrajectoryCrafter: Reindirizzamento della traiettoria della telecamera per video monoculari tramite modelli di diffusione
Riepilogo delle risorse per principianti sui principi dei modelli di diffusione e sull'implementazione del codice PyTorch
Una codebase flessibile ed efficiente per l'addestramento di modelli linguistici visivamente-condizionati (VLM)
[CVPR 2020] CascadePSP: Verso una segmentazione indipendente dalla classe e ad altissima risoluzione tramite affinamento globale e locale
Gaze-LLE: Stima del bersaglio dello sguardo tramite encoder su larga scala appresi (CVPR 2025, Highlight)
Un toolkit Python per il fine-tuning di modelli geospaziali fondamentali (GFM).
Monitoraggio locale + visione AI โ Framework di monitoraggio AI alimentato da smartphone basato su LAN con output di eventi strutturati per acquisizione e analisi dati.
SEED-Story: Generazione di lunghe storie multimodali con Large Language Model
[ECCV 2024] codice ufficiale per "Long-CLIP: Sblocco della capacitร di testo lungo di CLIP"
[ICCV 2021 Oral] PoinTr: Completamento di nuvole di punti diversificate con Transformer consapevoli della geometria
[CVPR 2024 Oral] Ripensare i bias induttivi per la stima delle normali di superficie