#computer-vision Repositórios
1,451 repositórios no total
[Destaque do CVPR 2024] Colocando o Objeto de Volta na Segmentação de Objetos de Vídeo
CALVIN - Um benchmark para Aprendizagem de Políticas Condicionada por Linguagem para Tarefas de Manipulação Robótica de Longo Prazo
A implementação oficial de Geração Autoregressiva de Imagens usando Quantização Residual (CVPR '22)
Este repositório acompanha o artigo de pesquisa, ARKitScenes - Um Conjunto de Dados Diverso do Mundo Real para Compreensão de Cenas Interiores 3D Usando Dados RGB-D Móveis, e contém os dados, scripts para visualizar e processar ativos, e o código de treinamento descritos em nosso artigo.
[3DV 2025] Código para "FlowMap: Poses de Câmera, Intrínsecos e Profundidade de Alta Qualidade via Descida de Gradiente" por Cameron Smith*, David Charatan*, Ayush Tewari e Vincent Sitzmann
Código para o artigo: Imagens geradas por CNN são surpreendentemente fáceis de identificar... por enquanto https://peterwang512.github.io/CNNDetection/
Artigos ICCV 2023-2025: Descubra pesquisas de ponta da ICCV 2023-25, a principal conferência de visão computacional. Mantenha-se atualizado sobre o que há de mais recente em visão computacional e aprendizado profundo, com código incluído. ⭐ Apoie o desenvolvimento da inteligência visual!
[SIGGRAPH Asia 2025 (ACM TOG)] AnySplat: Ajuste Gaussiano 3D (Gaussian Splatting) Feed-forward a partir de Visualizações Não Restritas
A ideia desta lista é coletar dados e algoritmos compartilhados relacionados a Modelos Morfáveis 3D. Você está convidado a contribuir para esta lista adicionando um 'pull request'. A lista original surgiu do seminário Dagstuhl sobre Modelos Morfáveis 3D https://www.dagstuhl.de/19102 em março de 2019.
Implementação de Aprendizado Profundo de Múltiplas Instâncias Baseado em Atenção em PyTorch
Este repositório destina-se a hospedar ferramentas e demonstrações para o ActivityNet
Este nó oferece recursos de sincronização labial (lip-sync) no ComfyUI, utilizando o modelo LatentSync da ByteDance. Ele permite que você sincronize os lábios do vídeo com a entrada de áudio.
Código para Geração de Rosto Falante Controlável por Pose através de Representação Audiovisual Modularizada Implicitamente (CVPR 2021)
Um método em tempo real que estima a pose humana 3D diretamente no popular formato Bio Vision Hierarchy (BVH), dado estimativas das articulações corporais 2D originadas de imagens coloridas monoculares. Nossas contribuições incluem: (a) Uma representação NSRM de pose 2D nova e compacta. (b) Um classificador de orientação do corpo humano e um ensemble de orientações ajustadas
[Melhor Artigo ICRA 2025] MAC-VO: Covariância Sensível a Métricas para Odometria Visual Estéreo Baseada em Aprendizado
MAT: Transformer Consciente de Máscara para Inpainting de Imagens com Grandes Buracos
Código-fonte relacionado ao projeto de reconhecimento de expressões faciais em reconhecimento facial
Modelo de fundação de vídeo em nível de indústria para geração unificada de texto para vídeo (T2V) e imagem para vídeo (I2V).
[dsh] Um kit de ferramentas visuais mais poderoso, projetado para modelos somente de texto: instalação e uso com uma única linha, reconhecimento direto ao colar imagens, perguntas e respostas sobre várias imagens, restauração da UI frontend a partir de capturas de tela e muito mais|Integração nativa do DeepSeek Harness para agent-vision-toolkit: perguntas e respostas sobre imagens, OCR de capturas de tela longas, restauração de UI, grounding, diferença de pixels, Artifacts e Web UI.
Uma coleção dos repositórios Github mais importantes para profissionais de ML, IA e ciência de dados
Uma biblioteca para experimentar, treinar e avaliar redes neurais, com foco em robustez adversarial.
Treinamento rápido de campo de radiação neural com trajetórias de câmera livres
Ampliando Seus Kernels para 31x31: Revisando o Design de Kernel Grande em CNNs (CVPR 2022)
Visão Computacional Moderna com PyTorch, publicado pela Packt
[ECCV'24] GeoWizard: Liberando os Priors de Difusão para Estimativa de Geometria 3D a Partir de uma Única Imagem