#computer-vision リポジトリ
リポジトリ合計1,451件
Residual Quantization を用いた Autoregressive Image Generation の公式実装 (CVPR '22)
このリポジトリは、ARKitScenes - モバイルRGB-Dデータを使用した3D屋内シーン理解のための多様な実世界のデータセットという研究論文に付随し、論文で説明されているデータ、アセットの視覚化と処理のためのスクリプト、およびトレーニングコードが含まれています。
[3DV 2025] Cameron Smith*, David Charatan*, Ayush Tewari, Vincent Sitzmann による「FlowMap: 勾配降下法による高品質なカメラポーズ、内部パラメータ、深度」のコード
論文のコード: CNN生成画像は驚くほど簡単に検知可能... 今のところ https://peterwang512.github.io/CNNDetection/
ICCV 2023-2025 論文:主要なコンピュータビジョン会議である ICCV 2023-25 の最先端の研究を発見してください。コード付きで、コンピュータビジョンと深層学習の最新情報にご期待ください。⭐ 視覚知能の開発をサポート!
[SIGGRAPH Asia 2025 (ACM TOG)] AnySplat: 制約のないビューからのフィードフォワード 3D ガウシアン スプラッティング
このリストの目的は、3D Morphable Models に関する共有データとアルゴリズムを集めることです。プルリクエストを追加することで、このリストに貢献することをお勧めします。元のリストは、2019年3月のDagstuhlセミナー「3D Morphable Models」https://www.dagstuhl.de/19102から生まれました。
このノードは、ByteDanceのLatentSyncモデルを使用してComfyUIでリップシンク機能を提供します。ビデオの唇をオーディオ入力と同期させることができます。
単眼カラー画像に由来する2Dボディジョイントの推定値を与えられ、人気のBio Vision Hierarchy (BVH)形式で直接3D人間ポーズを推定するリアルタイム手法。私たちの貢献には次のものが含まれます:(a) 新規でコンパクトな2DポーズNSRM表現。(b) 人間の身体向き分類器と向き調整されたアンサンブル
[dsh] テキストのみのモデル向けに設計された、より強力なビジュアルツールキット:1行でインストールして利用、画像を貼り付けるだけの直接認識、複数画像への質問応答、スクリーンショットからフロントエンドUIへの復元など|agent-vision-toolkit向けDeepSeek Harnessネイティブ統合:画像Q&A、長いスクリーンショットのOCR、UI復元、グラウンディング、ピクセル差分、Artifacts、Web UI。