#computer-vision Repositórios
1,451 repositórios no total
Matting de Vídeo Robusto em PyTorch, TensorFlow, TensorFlow.js, ONNX, CoreML!
Guia do Hello AI World para implantação de redes de inferência de deep learning e primitivas de deep vision com TensorRT e NVIDIA Jetson.
Dispositivo fácil de usar para conectar unidades de medição "antigas" (água, energia, gás, ...) ao mundo digital
Materiais de Laboratório para MIT 6.S191: Introdução ao Deep Learning
Guia Definitivo de Entrevistas sobre Deep Learning (incluindo Matemática, Machine Learning, Deep Learning, Visão Computacional, Processamento de Linguagem Natural e SLAM)
Zenless Zone Zero | Serviço Completo (Tudo Incluso) | Totalmente Automatizado | Esquiva Automática | Diárias Automáticas | Vazio Automático | Suporte a Gamepad
Código de acompanhamento em "Tutorial prático de treinamento de modelos Pytorch"
Experimente, aprenda e codifique as últimas inovações revolucionárias com a IA da Microsoft
Repinte qualquer coisa usando Segment Anything e modelos de inpainting.
Torne-se um pesquisador/engenheiro de IA/ML de elite com este livro didático não convencional que aborda matemática, computação e aprendizado de máquina com intuição.
Emote Portrait Alive: Gerando Vídeos de Retrato Expressivos com Modelo de Difusão Audio2Video sob Condições Fracas
Pacote Go para visão computacional usando OpenCV 4 e além. Inclui suporte para DNN, CUDA, OpenCV Contrib e OpenVINO.
OpenFace – uma ferramenta de ponta destinada à detecção de marcos faciais, estimativa da pose da cabeça, reconhecimento de unidades de ação facial e estimativa do olhar (eye-gaze).
PySlowFast: base de código para compreensão de vídeo do FAIR para reproduzir modelos de vídeo de última geração.
Formato Lakehouse Aberto para IA Multimodal. Converta de Parquet em 2 linhas de código para acesso aleatório 100x mais rápido, índice vetorial e versionamento de dados. Compatível com Pandas, DuckDB, Polars, Pyarrow e PyTorch, com mais integrações em breve.
Uma habilidade de agente que identifica onde uma foto foi tirada — usando a geometria do OpenStreetMap, silhuetas do horizonte baseadas na elevação, imagens de satélite e imagens de ruas — e mostra seu trabalho. Funciona com Claude Code, Codex, Cursor, Gemini CLI, OpenCode e GitHub Copilot.
OpenMMLab Multimodal: Uma Caixa de Ferramentas de Criação Avançada, Generativa e Inteligente. Desvende a magia 🪄: IA Generativa (AIGC), APIs fáceis de usar, um incrível arsenal de modelos, modelos de difusão, para geração de texto para imagem, restauração/aprimoramento de imagem/vídeo, etc.
Repositório oficial de "SAMURAI: Adaptando o Modelo Segment Anything para Rastreamento Visual Zero-Shot com Memória Sensível ao Movimento"
Mantido oficialmente, suportado pelo PaddlePaddle, incluindo Visão Computacional (CV), Processamento de Linguagem Natural (NLP), Fala, Recomendação (Rec), Séries Temporais (TS), grandes modelos e assim por diante.
Lista de leitura para tópicos de pesquisa em aprendizado de máquina multimodal
Implementação Oficial do OCR-free Document Understanding Transformer (Donut) e do Gerador de Documentos Sintéticos (SynthDoG), ECCV 2022
Abrir a biblioteca Multiple View Geometry. Base para visão computacional 3D e Structure from Motion.
[AAAI 2025] Implementação oficial de "OOTDiffusion: Difusão Latente Baseada em Fusão de Vestuário para Prova Virtual Controlável"