#computer-vision Repositórios
1,451 repositórios no total
Corrige imagens de pixel art AI, vídeo ou uploads web de sprites
Ferramenta de geração de dados de treinamento baseada em visão computacional :rocket:
Estrutura que permite o ajuste fino de modelos de ancoragem visão-linguagem em conjuntos de dados personalizados
Implementação de código aberto de **MV-DUSt3R+ Reconstrução de Cena de Estágio Único a partir de Vistas Esparsas em 2 Segundos** do Meta Reality Labs. Página do projeto https://mv-dust3rp.github.io/
Uma lista de ferramentas para anotação de dados, gerenciamento de anotações, etc.
[Destaque CVPR 2025] Matrix3D: Grande Modelo de Fotogrametria Tudo-em-Um
[NeurIPS 2021] Benchmarks Multiescala para Aprendizagem de Representação Multimodal
Um benchmark de aprendizado de máquina de mudanças de distribuição na natureza, com carregadores de dados, avaliadores e modelos padrão.
Este repositório contém código de avaliação para o artigo "MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI"
Código PyTorch para o artigo "FIERY: Segmentação de Instância Futura em Vista de Olho de Pássaro a Partir de Câmeras Monoculares Circundantes"
Dê olhos, ouvidos e resultados verificáveis aos agentes de IA. O Watch Skill transforma vídeos, áudio e atividades na tela em evidências pesquisáveis e com marcação de tempo, e comprova o trabalho por meio de contratos determinísticos, não de opiniões do modelo. DeepWatch é o espaço de trabalho para agentes desenvolvido com base no DeepSeek Harness. Python + npm, MCP, CLI, REST e Web.
MaaNTE Neverness to Everness (NTE) impulsionado pelo MAAFramework! Grupo de troca QQ: Assistente de Neverness to Everness, fornecido pelo assistente de automação para Neverness to Everness. Pesca automática, venda automática de peixes, compra automática de iscas. Recursos: preparo automático de café, extração de receita do café, pulo automático de diálogos da história, resgate automático de recompensas diárias.
Este repositório contém tudo o que você precisa para se tornar proficiente em Pesquisa de ML/IA e Artigos Científicos.
Biblioteca para computar métricas de desempenho de distância de superfície para tarefas de segmentação.
O primeiro bloqueador de aplicativos para macOS do mundo com autenticação facial, totalmente gratuito e de código aberto. Desbloqueie seus aplicativos do Mac usando autenticação facial, Touch ID ou senha. Tudo é processado localmente e criptografado — seus dados nunca saem do Mac.
[ICLR 2026] Simplificando a produção de desenhos animados com pós-keyframing generativo
Aumento de imagens para visão computacional. Licenciamento exclusivamente sob AGPL-3.0 ou licença comercial.
Uma implementação modular eficiente de Associating Objects with Transformers para Segmentação de Objetos em Vídeo em PyTorch
Código de Síntese de Transformação da Idade ao Longo da Vida
Trabalhos da AAAI 2024: Explore uma coleção abrangente de artigos de pesquisa inovadores apresentados em uma das principais conferências de inteligência artificial. Integre perfeitamente implementações de código para melhor compreensão. ⭐ experimente a vanguarda do progresso na inteligência artificial com este repositório!
Coleção de recursos incríveis para ajuste fino (fine-tuning) com eficiência de parâmetros.
O plano de estudos completo de Ciência da Computação e Engenharia. Roteiro, Checklist para Iniciantes.
Script de automação para jogos como Onmyoji, Azur Lane, Arknights, etc.
Esta é a implementação oficial do nosso artigo: "MiniMax-Remover: Taming Bad Noise Helps Video Object Removal"
[CVPR 2022] MHFormer: Transformer de Múltiplas Hipóteses para Estimação de Pose Humana 3D
Código para o artigo "DewarpNet: Correção de Imagem Única de Documento com Redes de Regressão 3D e 2D Empilhadas" (ICCV '19)
Este repositório fornece uma lista abrangente de conjuntos de dados de satélite de radar e ópticos, selecionados para tarefas de detecção, classificação, segmentação semântica e segmentação de instâncias de navios. Estes conjuntos de dados são ideais para aplicações em visão computacional, aprendizado de máquina, sensoriamento remoto e análise marítima.
[ICLR 2026] Trace Anything: Representar qualquer vídeo em 4D usando campos de trajetória
Código-fonte do Artigo "OrienterNet: Localização Visual em Mapas Públicos 2D com Correspondência Neural"
Detecção e Reconhecimento de Placas de Veículos com YOLOv5 e LPRNet (Conjunto de Dados CCPD)
Pesquisar em grandes conjuntos de dados de imagens com linguagem natural e visão computacional
Label Objects and Save Time (LOST) - Desenhe seu próprio processo inteligente de anotação de imagem em um ambiente baseado na web.
Codificando um Modelo de Linguagem Multimodal (Visão) do zero em PyTorch com explicação completa: https://www.youtube.com/watch?v=vAmKB7iPkWw
[ECCV 2024 Apresentação Oral] Código para o artigo: Uma Imagem Vale 1/2 Token Após a Camada 2: Aceleração de Inferência Plug-and-Play para Grandes Modelos Visão-Linguagem
[CVPR 2024 - Oral] Correspondência de Imagens 2D em 3D: Pose Relativa Métrica a partir de Correspondências Métricas