#computer-vision Репозитории
Всего репозиториев: 1,451
Программное обеспечение и предварительно обученные модели для автоматического улучшения качества фотографий с использованием глубоких сверточных сетей
Открытая платформа для аннотации мультимодальных данных с поддержкой автоаннотации ИИ.
Официальный репозиторий кодовой базы Pixel-LLM: Sa2VA (T-PAMI-26), SAMTok (CVPR-26), VRT (Arxiv-25), SaSaSa2VA (1-е место в решении LSVOS)
Библиотека CImg — это небольшая открытая C++-библиотека для обработки изображений.
Подборка современных исследовательских материалов по прогнозированию траекторий
Определение местоположения низкорасположенных обнаруживаемых объектов. SOTA в области FOSS AI для дронов!
Этот репозиторий содержит официальную реализацию исследовательских работ «MobileCLIP» CVPR 2024 и «MobileCLIP2» TMLR Август 2025
Обязательный ресурс для всех, кто хочет экспериментировать и создавать на основе API OpenAI Vision 🔥
Реализация выбора текста, выбора символов, выбора и распознавания сенсорных CAPTCHA, обученная на PyTorch
[CVPR 2025] Обучение полей потока во внимании для контролируемой генерации изображений людей
Бэкенд-агенты создаются с мультимодальной базой данных, оркестрацией и обслуживанием в одном файле
Быстрые символьные вычисления, генерация кода и нелинейная оптимизация для робототехники
Универсальный интерфейс манипулирования: обучение роботов в реальных условиях без реальных роботов
[CVPR 2025] MatAnyone: Стабильное видео-матирование с последовательным распространением памяти
Персонализируйте модель Segment Anything (SAM) за 1 выстрел за 10 секунд
Amica — это интерфейс с открытым исходным кодом для интерактивного общения с 3D-персонажами с использованием синтеза речи и распознавания речи.
MixTeX мультимодальный LaTeX, ZhEn и OCR таблиц. Выполняет эффективный вывод на основе ЦП локально в автономном режиме в Windows.
Официальный код для "FeatUp: Модельно-независимая структура для признаков любого разрешения" ICLR 2024
[TPAMI 2025] ViewCrafter: Обуздание видео диффузионных моделей для высокоточной синтетической генерации новых ракурсов
Machine Learning University: Ускоренный курс по компьютерному зрению
[ACM MM 2024] Это официальный код для "AniTalker: Animate Vivid and Diverse Talking Faces through Identity-Decoupled Facial Motion Encoding"
[CVPR 2025 Highlight] DepthCrafter: Генерация последовательных длинных последовательностей глубины для видео открытого мира
DomainBed — это набор инструментов для тестирования алгоритмов обобщения доменов
Учебник, показывающий, как обучать, конвертировать и запускать модели обнаружения объектов TensorFlow Lite на устройствах Android, Raspberry Pi и не только!
Единая кодовая база полуавтоматического обучения (NeurIPS'22)
[CVPR 2025] Fast3R: Towards 3D Reconstruction of 1000+ Images in One Forward Pass
Обширный список работ по неявным представлениям и NeRF, относящихся к области робототехники/Обучения с подкреплением, включая статьи, коды и связанные веб-сайты
Форк для добавления обучения мультимодальным моделям в open-r1
Самые полные модули «подключай и работай» для всей сети в 2025 году, доступны бесплатно! CVPR2025, AAAI2025, ICLR2025, TNNLS2025, arXiv2025...... Включает все области искусственного интеллекта (машинное обучение, глубокое обучение и т. д.), подходит для классификации изображений, обнаружения объектов, сегментации экземпляров, семантической сегментации, паноптической сегментации, оценки позы, сегментации медицинских изображений, сегментации объектов видео, вырезания изображений, редактирования изображений, отслеживания одиночных объектов, отслеживания нескольких объектов, переидентификации личности, RGBT, шумоподавления изображений, удаления дождя, удаления тумана, удаления теней, удаления размытия, сверхразрешения, удаления отражений, удаления муара, восстановления изображений, реставрации изображений, восстановления гиперспектральных изображений, слияния изображений, колоризации изображений, обработки изображений с расширенным динамическим диапазоном, сжатия видео и изображений, 3D облаков точек, 3D обнаружения объектов, 3D семантической сегментации, 3D оценки позы и других задач компьютерного зрения и обработки изображений, а также обработки естественного языка, больших языковых моделей, мультимодальности и других задач, связанных с ИИ. Постоянное обновление......
[CVPR 2025 Highlight] Усечённая модель диффузии для сквозного автономного вождения в реальном времени
Официальный код для статьи «LucidDreamer: Генерация 3D-сцен с гауссовым сплайтингом без привязки к домену».
Библиотека инструментов OCR на основе Pytorch, поддерживающая распространенные алгоритмы обнаружения и распознавания текста
Надежная платформа для исследований в области анализа лиц, разработанная Tencent Youtu Lab
Приложение для Android для сканирования и манипуляции рукописными заметками и документами.
[ICCV 2023] DDColor: На пути к фотореалистичной колоризации изображений с помощью двойных декодеров