#computer-vision リポジトリ
リポジトリ合計1,451件
👁️ + 💬 + 🎧 = 🤖 トップ基盤モデルとマルチモーダルモデルのキュレーションリスト! [論文 + コード + 例 + チュートリアル]
DreamSim: 合成データを使用した人間の視覚的類似性の新しい次元の学習(NeurIPS 2023 Spotlight)/ / / / 知覚的アライメントはいつビジョン表現に役立つか?(NeurIPS 2024)
CVPR 2022論文「Neural RGB-D Surface Reconstruction」の公式実装
(CVPR 2025 ハイライト✨) 論文「LLMDet: Learning Strong Open-Vocabulary Object Detectors under the Supervision of Large Language Models」の公式リポジトリ
[CVPR2024] "SAM-6D: Segment Anything Model Meets Zero-Shot 6D Object Pose Estimation" のコード。
[ECCV2024] 本論文「Glyph-ByT5: Accurate Visual Text Renderingのためのカスタムテキストエンコーダ」および「Glyph-ByT5-v2: Accurate Multilingual Visual Text Renderingのための強力な美的ベースライン」の公式推論コードです。」
[CVPR 2025, TPAMI 2026] UniScene: 統一占有中心運転シーン生成
Windows/Linux および Python 3 (3.5/3.6/3.7) 向け Tensorflow Faster R-CNN
[CVPR 2024 Highlight] 「GPS-Gaussian: Generalizable Pixel-wise 3D Gaussian Splatting for Real-time Human Novel View Synthesis」の公式リポジトリ
このリポジトリには LipGAN のコードが含まれています。LipGAN は「Towards Automatic Face-to-Face Translation」というタイトルの論文の一部として公開されました。
簡単でモジュール式のコンピュータビジョン検出器、トラッカー、SAM - 10行未満のコードでYOLOv9、v8、v7、v6、v5、R、Xを実行します。
[CVPR 2024 Highlight] Feature 3DGS: 蒸留特徴フィールドを可能にするための3Dガウススプラッティングの強化