#computer-vision Repositórios
1,451 repositórios no total
Software e modelos pré-treinados para aprimoramento automático da qualidade de fotos usando Redes Convolucionais Profundas
Plataforma open-source de anotação de dados multimodais com suporte a auto-anotação por IA.
Repositório oficial para a base de código do Pixel-LLM: Sa2VA (T-PAMI-26), SAMTok (CVPR-26), VRT (Arxiv-25), SaSaSa2VA (1ª solução para LSVOS)
A Biblioteca CImg é um kit de ferramentas C++ pequeno e de código aberto para processamento de imagens
Uma seleção de materiais de pesquisa de ponta sobre previsão de trajetória
Determinação de Localização para Objetos Detectáveis de Baixo Nível. O SOTA em IA FOSS para drones!
Este repositório contém a implementação oficial dos artigos de pesquisa, "MobileCLIP" CVPR 2024 e "MobileCLIP2" TMLR agosto de 2025
Recurso indispensável para quem deseja experimentar e construir sobre a API de visão da OpenAI 🔥
Reconhecimento de CAPTCHA que abrange seleção de texto por clique, seleção de caracteres, escolha e toque, implementado e treinado com PyTorch.
[CVPR 2025] Aprendendo Campos de Fluxo em Atenção para Geração Controlável de Imagens de Pessoas
Os agentes de backend são desenvolvidos com: banco de dados multimodal, orquestração e serving em um único arquivo
Computação simbólica rápida, geração de código e otimização não linear para robótica
Interface Universal de Manipulação: Ensino de Robôs no Mundo Real Sem Robôs no Mundo Real
[CVPR 2025] MatAnyone: Matting de Vídeo Estável com Propagação Consistente de Memória
Personalize o Segment Anything Model (SAM) com 1 shot em 10 segundos
Amica é uma interface de código aberto para comunicação interativa com personagens 3D com síntese de voz e reconhecimento de fala.
MixTeX combina LaTeX multimodal, ZhEn e OCR de Tabelas. Ele realiza inferência eficiente baseada em CPU localmente, offline, no Windows.
Código oficial para "FeatUp: A Model-Agnostic Frameworkfor Features at Any Resolution" ICLR 2024
[TPAMI 2025] ViewCrafter: Domando Modelos de Difusão de Vídeo para Síntese de Novas Visualizações de Alta Fidelidade
Machine Learning University: Aula Acelerada de Visão Computacional
[ACM MM 2024] Este é o código oficial para "AniTalker: Animar Rostos Falantes Vívidos e Diversos Através da Codificação de Movimento Facial Desacoplada da Identidade"
[Destaque CVPR 2025] DepthCrafter: Gerando Sequências de Profundidade Longas e Consistentes para Vídeos de Mundo Aberto
DomainBed é uma suíte para testar algoritmos de generalização de domínio
Um tutorial mostrando como treinar, converter e executar modelos de detecção de objetos TensorFlow Lite em dispositivos Android, Raspberry Pi e mais!
Uma Base de Código Unificada de Aprendizado Semissupervisionado (NeurIPS'22)
Uma nova abordagem 'one-shot' de troca de rosto para domínios de imagem e vídeo
[CVPR 2025] Fast3R: Rumo à Reconstrução 3D de Mais de 1000 Imagens em Uma Única Passagem Direta
Uma lista abrangente de artigos sobre Representações Implícitas e NeRF relacionados ao domínio de Robótica/RL, incluindo artigos, códigos e sites relacionados
Um fork para adicionar treinamento de modelo multimodal ao open-r1
Módulos plug-and-play mais completos da internet em 2025, compartilhamento gratuito! CVPR2025, AAAI2025, ICLR2025, TNNLS2025, arXiv2025...... cobrindo todas as áreas da inteligência artificial (aprendizado de máquina, aprendizado profundo, etc.), aplicáveis a diversas tarefas de visão computacional e processamento de imagem, como classificação de imagens, detecção de objetos, segmentação de instâncias, segmentação semântica, segmentação panorâmica, reconhecimento de pose, segmentação de imagens médicas, segmentação de objetos em vídeo, matting de imagem, edição de imagem, rastreamento de objeto único, rastreamento de múltiplos objetos, reidentificação de pedestres, RGBT, denoising de imagem, remoção de chuva, desembaçamento, remoção de sombra, remoção de desfoque, super-resolução, remoção de reflexos, remoção de moiré, restauração de imagem, reparo de imagem, restauração de imagens hiperespectrais, fusão de imagens, colorização de imagem, imagem de alto alcance dinâmico, compressão de vídeo e imagem, nuvem de pontos 3D, detecção de objetos 3D, segmentação semântica 3D, reconhecimento de pose 3D, bem como outras tarefas relacionadas à inteligência artificial, como processamento de linguagem natural, grandes modelos de linguagem e multimodais. Em constante atualização......
[Destaque CVPR 2025] Modelo de Difusão Truncada para Condução Autônoma em Tempo Real de Ponta a Ponta
Código oficial para o artigo "LucidDreamer: Geração de Cenas 3D de Gaussian Splatting Livre de Domínio".
Biblioteca de ferramentas OCR baseada em Pytorch, que suporta algoritmos comuns de detecção e reconhecimento de texto
Uma confiável plataforma de pesquisa de análise facial desenvolvida pelo Tencent Youtu Lab
Aplicação Android para digitalizar e manipular notas e documentos manuscritos.
[ICCV 2023] DDColor: Em Direção à Coloração de Imagem Fotorrealista via Decodificadores Duplos