#computer-vision Repositórios
1,451 repositórios no total
Coleção de código comum que é compartilhado entre diferentes projetos de pesquisa na equipe de visão computacional da FAIR.
Uma biblioteca e framework de código aberto para aprendizado profundo em imagens de satélite e aéreas.
SeetaFace 2: kit de ferramentas de reconhecimento facial open source, full stack.
Sistema de captura de movimento de baixo custo para rastreamento em escala de sala
Uma estrutura de raciocínio (framework), com muitas demos úteis; se você achar útil, por favor, dê uma estrela (star/like).
Ferramenta de rotulagem que utiliza SAM (Segment Anything Model), com suporte para SAM, SAM2, SAM3, sam-hq, MobileSAM, EdgeSAM, etc. Ferramenta interativa de anotação de imagem semiautomática.
Qwen-Image-Layered: Decomposição em Camadas para Editabilidade Inerente
Pegadas de edifícios geradas por computador para os Estados Unidos
Motor de IA de borda em C++ pronto para produção para análise de vídeo e VLM no dispositivo em Sophon, Rockchip RKNN e x86, com orquestração visual, OSD em tempo real, eventos e benchmarks reproduzíveis.
Este é o código-fonte do yolo3-pytorch, que pode ser usado para treinar os seus próprios modelos.
Este recurso é o suporte para os artigos de processamento de imagens em Python escritos pelo autor no CSDN, e principalmente contém a implementação do código para algoritmos como processamento de imagem, reconhecimento de imagem e classificação de imagem em Python. Espero que este recurso seja útil para você, vamos em frente juntos.
Hypersim: Um Conjunto de Dados Sintéticos Fotorrealísticos para Compreensão Holística de Cenas Internas
NVIDIA Alpamayo 1 Nano é um modelo VLA de raciocínio aberto de 10B para veículos autônomos que combina trajetórias de direção com raciocínio de Cadeia de Causalidade.
Colabore e rotule qualquer tipo de dados, imagens, textos ou documentos, em uma interface web fácil ou aplicativo desktop.
Máquinas de Pensamento Contínuo, porque o pensamento leva tempo e o raciocínio é um processo.
Captura Corporal Expressiva: Mãos, Rosto e Corpo 3D a partir de uma Única Imagem
Tudo sobre aprendizado federado, incluindo artigos de pesquisa, livros, códigos, tutoriais, vídeos e muito mais
Real-World Masked Face Dataset, Conjunto de Dados de Rostos Mascarados
https://textbehindimage.rexanwong.xyz - crie designs de texto por trás de imagens facilmente
Informações acadêmicas abrangentes e oportunas sobre aprendizado federado (artigos, frameworks, conjuntos de dados, tutoriais, workshops)
Cambrian-1 é uma família de LLMs multimodais com um design centrado na visão.
Wrapper Python para CRFs densos (totalmente conectados) de Philipp Krähenbühl com potenciais de aresta gaussianos.
Receitas para reduzir, otimizar e personalizar modelos de visão de ponta. 💜
O Blueprint de IA da NVIDIA para pesquisa e sumarização de vídeo (VSS) é uma arquitetura de referência acelerada por GPU para construir agentes de análise de vídeo com alertas verificados em tempo real, perguntas e respostas visuais e relatórios automatizados. O Blueprint VSS usa modelos de linguagem visual (VLM) como NVIDIA Cosmos, LLMs como NVIDIA Nemotron, RAG e NVIDIA NIM.
Contornos de edifícios em todo o mundo derivados de imagens de satélite
Lançamento do código para "Detectando Vinte Mil Classes usando Supervisão ao Nível da Imagem".
A versão traduzida para chinês de "Approaching (Almost) Any Machine Learning Problem", endereço do documento online: https://ytzfhqs.github.io/AAAMLP-CN/
SplaTAM: Dispersar, Rastrear e Mapear Gaussianas 3D para SLAM RGB-D Denso (CVPR 2024)
Custom Diffusion: Personalização Multi-Conceito de Difusão de Texto para Imagem (CVPR 2023)