#computer-vision Repositórios
1,451 repositórios no total
Stack de ADAS de nível 2 gratuito e totalmente de código aberto, alimentado por tecnologia de IA de ponta a ponta
Síntese em Tempo Real de Retrato Falante por Radiância Neural via Decomposição Áudio-espacial
U-Mamba: Aprimorando a Dependência de Longo Alcance para Segmentação de Imagens Biomédicas
Uma lista selecionada de registro de nuvem de pontos.
[ECCV'2024] Agrupamento Gaussiano para reconstrução, segmentação e edição de 'Qualquer Coisa' em mundo aberto.
Vchitect-2.0: Transformer Paralelo para Escalar Modelos de Difusão de Vídeo
Um modelo OCR LaTeX SOTA minimalista com apenas 20M de parâmetros, rodando no navegador. Pipeline de treinamento completo disponível para autorreprodução. | Modelo OCR de fórmula LaTeX SOTA ultraleve com apenas 20M de parâmetros, rodando no navegador. Código de pipeline de treinamento completo de código aberto para autoaprendizagem e reprodução.
Este projeto estende a ideia da arquitetura inovadora das Redes de Kolmogorov-Arnold (KAN) para as Camadas Convolucionais, alterando a transformação linear clássica da convolução para ativações não lineares aprendíveis em cada pixel.
Este repositório é a base de um curso impulsionado pela comunidade sobre Visão Computacional com Redes Neurais. Sinta-se à vontade para se juntar a nós no Discord do Hugging Face: hf.co/join/discord
Gerar imagens de linhas de texto para treinar modelos de OCR de aprendizado profundo
TriplaneGaussian: Uma nova representação híbrida para reconstrução 3D de visão única.
Uma lista de publicações selecionadas sobre segmentação semântica de vocabulário aberto e recursos de áreas relacionadas (por exemplo, segmentação semântica zero-shot).
Código oficial para MAMMA: Aquisição de movimento multi-pessoa precisa e sem marcadores.
3DMatch - um descritor geométrico local baseado em 3D ConvNet para alinhamento de malhas 3D e nuvens de pontos.
[CVPR 2024] LMDrive: Condução Autônoma Ponta a Ponta em Ciclo Fechado com Grandes Modelos de Linguagem
Sobre o Mistério Oculto de OCR em Grandes Modelos Multimodais (OCRBench)
O Software AMD Ryzen™ AI inclui as ferramentas e bibliotecas de tempo de execução para otimizar e implantar a inferência de IA em PCs com tecnologia AMD Ryzen™ AI.
Sobre Este repositório é uma coleção curada dos artigos mais empolgantes e influentes da CVPR 2025. 🔥 [Artigo + Código + Demonstração]
Você Só Assiste Uma Vez: Uma Arquitetura CNN Unificada para Localização de Ações Espaço-Temporais em Tempo Real
⚕️Chatbot multiagente para diagnóstico médico e assistência à pesquisa em saúde, impulsionado por IA Generativa (GenAI). 🏥 Destinado a profissionais de saúde, pesquisadores e pacientes.
[ICCV 2025, Oral] TrajectoryCrafter: Redirecionando a Trajetória da Câmera para Vídeos Monoculares via Modelos de Difusão
Princípios dos Modelos de Difusão e Implementação de Código em PyTorch: Uma Coletânea de Materiais para Iniciantes
Uma base de código flexível e eficiente para o treinamento de modelos de linguagem condicionados visualmente (VLMs)
[CVPR 2020] CascadePSP: Rumo à Segmentação Agnóstica à Classe e de Altíssima Resolução via Refinamento Global e Local
Gaze-LLE: Estimativa do Alvo do Olhar via Codificadores Aprendidos em Grande Escala (CVPR 2025, Destaque)
Um kit de ferramentas Python para ajuste fino de Modelos Fundacionais Geoespaciais (GFMs).
Monitoramento local + visão IA — Framework de monitoramento IA baseado em LAN alimentado por smartphone com saída de eventos estruturados para aquisição e análise de dados.
SEED-Story: Geração multimodal de histórias longas com modelo de linguagem grande
[ECCV 2024] código oficial para "Long-CLIP: Desbloqueando a Capacidade de Texto Longo do CLIP"
Coletânea de artigos importantes a serem tratados como um livro didático
[ICCV 2021 Oral] PoinTr: Preenchimento Diversificado de Nuvem de Pontos com Transformers Cientes da Geometria
[CVPR 2024 Oral] Repensando os Vieses Indutivos para a Estimação de Normais de Superfície