#computer-vision Repositórios
1,451 repositórios no total
👁️ + 💬 + 🎧 = 🤖 Lista curada dos principais modelos de fundação e multimodais! [Artigo + Código + Exemplos + Tutoriais]
[CVPR'26] ObjectClear: Remoção Precisa de Objetos e Efeitos com Atenção Adaptativa Sensível ao Alvo
DreamSim: Aprendendo Novas Dimensões de Similaridade Visual Humana usando Dados Sintéticos (Destaque NeurIPS 2023) / / / / Quando o Alinhamento Perceptual Beneficia as Representações de Visão? (NeurIPS 2024)
Implementação oficial do artigo CVPR 2022 "Neural RGB-D Surface Reconstruction"
DocBank: Um Conjunto de Dados de Referência para Análise de Layout de Documentos
[CVPR 2024] DocRes: Um Modelo Generalista para Unificar Tarefas de Restauração de Imagens de Documentos
Estimativa de profundidade mono / estéreo + detecção de objetos YOLO com implantação em Jetson Nano / TX2 / GeForce via TensorRT
Gerador do algoritmo de convolução mínima de Winograd para redes neurais convolucionais.
Código de Vestimenta: Prova Virtual de Alta Resolução Multi-Categoria. ECCV 2022
Uma lista de recursos de correspondência/registro de conjuntos de pontos coletados por Gang Wang
(Destaque CVPR 2025✨) Repositório oficial do artigo "LLMDet: Learning Strong Open-Vocabulary Object Detectors under the Supervision of Large Language Models"
[CVPR2024] Código para "SAM-6D: Segment Anything Model Encontra Estimação de Posição de Objeto 6D Zero-Shot".
Grande Modelo de Reconstrução Gaussiana para Reconstrução e Geração 3D Eficiente
Implementação oficial para "Blended Latent Diffusion" [SIGGRAPH 2023]
Ferramenta de resposta automática baseada em Python para Xiaoyuan Kousuan
[ECCV2024] Este é um código de inferência oficial do artigo "Glyph-ByT5: Um Codificador de Texto Personalizado para Renderização Precisa de Texto Visual" e "Glyph-ByT5-v2: Uma Forte Linha de Base Estética para Renderização Precisa de Texto Visual Multilíngue""
Implementação oficial do código do Vary-toy (Modelo de Linguagem Pequeno Encontra Vocabulário de Visão Reforçado)
[CVPR 2025, TPAMI 2026] UniScene: Geração unificada de cenas de direção centrada na ocupação
Tensorflow Faster R-CNN para Windows/Linux e Python 3 (3.5/3.6/3.7)
Implementação oficial de "FitDiT: Aprimoramento dos Detalhes Autênticos de Vestuário para Prova Virtual de Alta Fidelidade"
[Destaque CVPR 2024] O repositório oficial de “GPS-Gaussian: Splatting Gaussiano 3D Generalizável Pixel a Pixel para Síntese de Novas Vistas Humanas em Tempo Real”
O desenvolvimento e as perspectivas futuras de grandes modelos de raciocínio multimodal.
Esta é uma lista de artigos excelentes sobre fluxo óptico e trabalhos relacionados.
Este repositório contém os códigos para LipGAN. LipGAN foi publicado como parte do artigo intitulado "Towards Automatic Face-to-Face Translation".
MLGym Um Novo Framework e Benchmark para o Avanço de Agentes de Pesquisa de IA
Biblioteca de Aquisição de Imagem para Sistema de Visão de Máquina baseado em GenICam
Detetores, Rastreadores e SAM de Visão Computacional Fáceis e Modulares – Execute YOLOv9, v8, v7, v6, v5, R, X em menos de 10 linhas de código.
Ferramenta Node Creative Coding / 3D / Processamento de Imagens inspirada no Quartz Composer
[Destaque do CVPR 2024] Feature 3DGS: Potencializando o 3D Gaussian Splatting para Habilitar Campos de Características Destiladas
[CVPR 2024] Lançamento de código para "InstanceDiffusion: Controle em Nível de Instância para Geração de Imagens"