#computer-vision リポジトリ
リポジトリ合計1,451件
[ICCV 2025 Highlight] OminiControl: Diffusion Transformerのための最小かつユニバーサルな制御
ICLR、ICML、NeurIPS、CVPR、ACL、AAAI(2023~2026)から厳選した Figure 1/ティーザー 3,516 件。ティアバッジと FigureForge の検索拡張型図作成機能付き
ローカルファーストのビデオ知識ベース。マルチモーダル分析(YOLO、DeepFace、Whisper)でビデオライブラリをインデックス、自然言語によるセマンティック検索、Docker対応。
高度な文学機械に向けた、オリジナルで革新的なアイデアとアルゴリズムのコレクション。このプロジェクトは、Alibaba GroupのTongyi LabのLanguage Technology LabのOCRチームによって維持されています。
(IROS 2020, ECCVW 2020) 「3D Multi-Object Tracking: A Baseline and New Evaluation Metrics」の公式 Python 実装
PyTorch の ExecuTorch ランタイムを基盤とする、React Native 向けの高性能かつプライバシー重視のオンデバイス AI 推論ライブラリ
CVPR2026/CVPR2025/CVPR2024/CVPR2021/CVPR2020 低レベルビジョンの論文とコード集
TorchMultimodalは、最先端のマルチモーダル・マルチタスクモデルを大規模にトレーニングするためのPyTorchライブラリです。
WiFi-3D-Fusionは、WiFi CSI信号とディープラーニングを活用して3D人間ポーズを推定し、次世代の空間認識のためにワイヤレスセンシングとコンピュータビジョン技術を融合するオープンソースの研究プロジェクトです。