#computer-vision Repositórios
1,451 repositórios no total
OpenMMLab: Biblioteca Fundamental para Treinamento de Modelos de Deep Learning
Recursos para Rastreamento de Múltiplos Objetos (MOT)
Código PyTorch para nosso artigo ECCV 2018 "Image Super-Resolution Using Very Deep Residual Channel Attention Networks"
[ICCV 2025] STAR: Aumentação Espaço-Temporal com Modelos de Texto para Vídeo para Super-Resolução de Vídeos do Mundo Real
Código para o artigo do SIGGRAPH 2020 "RigNet: Rigging Neural para Personagens Articulados"
Interface Python para o drone DJI Tello usando o SDK oficial do Tello. Sinta-se à vontade para contribuir!
Uma lista de artigos sobre alguns trabalhos recentes em CV baseados em Transformer.
Lazyeat (Gestos para Preguiçosos)|Controle por gestos aéreo, basta gesticular! Lazyeat é um controlador sem toque para usar enquanto come! Não quer as mãos gordurosas enquanto assiste a programas ou navega na web durante as refeições? Você pode pausar vídeos/tela cheia/trocar vídeos apenas gesticulando para a câmera!
Super-resolução de Imagem por Passos Arbitrários via Inversão de Difusão (CVPR 2025)
CVPR2023 - Ativando Mais Pixels em Transformadores de Super-Resolução de Imagem TPAMI - HAT: Transformador de Atenção Híbrida para Restauração de Imagem
Este repositório fornece referências valiosas para pesquisadores na área de multimodalidade, por favor, inicie sua jornada exploratória em RL-based Reasoning MLLMs!
ResShift: Modelo de Difusão Eficiente para Super-resolução de Imagem por Deslocamento Residual (NeurIPS@2023 Spotlight, TPAMI@2024)
[CVPR2025] Apresentamos StableAnimator, o primeiro framework de difusão de vídeo ponta a ponta que preserva a identidade, que sintetiza vídeos de alta qualidade sem qualquer pós-processamento, condicionado a uma imagem de referência e a uma sequência de poses.
[CVPR 2023] BundleSDF: Rastreamento Neural de 6 Graus de Liberdade e Reconstrução 3D de Objetos Desconhecidos
Processamento de imagens científicas N-dimensionais abertas :microscope: :sparkler:
[ECCV 2024] Gaussianas de Rua: Modelagem de Cenas Urbanas Dinâmicas com Splatting Gaussiano
FTC Android Studio Workspace para programação de robôs no Android Studio
Implementação oficial do VisionHOPE em PyTorch: backbones visuais como sistemas de aprendizagem auto-modificáveis.
Detecção de objetos de ponta a ponta com vocabulário aberto, em tempo real e precisa
Coletar os resultados mais recentes da CVPR (Conference on Computer Vision and Pattern Recognition), incluindo artigos, códigos e vídeos de demonstração, etc., e bem-vindos recomendações de todos!
MulimgViewer é um visualizador de múltiplas imagens que pode abrir várias imagens em uma única interface, o que é conveniente para comparação de imagens e costura de imagens.
um framework aberto para navegação de cegos baseado em ESP32
Pruna é um framework de otimização de modelos construído para desenvolvedores, permitindo que você entregue modelos mais rápidos e eficientes com sobrecarga mínima.
Xtreme1 é uma plataforma de anotação e rotulagem de dados completa para treinamento de dados multimodais e suporta nuvem de pontos LiDAR 3D, imagem e LLM.
Repositório oficial de Otimização Evolucionária de Receitas de Fusão de Modelos
Zenless Zone Zero | ZenlessZoneZero | Zero Hollow | Batalha Automática | Automação | Classificação de Imagens | Reconhecimento OCR
Este repositório é a implementação oficial de Disentangling Writer and Character Styles for Handwriting Generation (CVPR 2023)
Coletar alguns artigos sobre transformer para detecção e segmentação. Transformer de Detecção Incrível para Visão Computacional (CV)
VGGSfM: Estrutura Profunda de Movimento Fundamentada em Geometria Visual
[CVPR 2025] Hallo3: Animação de Imagem de Retrato Altamente Dinâmica e Realista com Video Diffusion Transformer
Crie, treine, otimize e execute modelos de visão computacional localmente, desde imagens brutas até inferência em tempo real. Código aberto, otimizado para Intel® XPU (CUDA também é compatível).
Catálogo visual selecionado com mais de 200 arquiteturas de modelos de visão e linguagem (VLM/MLLM): artigos, diagramas, receitas de treinamento, conjuntos de dados e cronologia de lançamento de agentes de IA multimodais.