#computer-vision Репозитории
Всего репозиториев: 1,451
Ресурсы для отслеживания нескольких объектов (MOT)
Код на PyTorch для нашей статьи ECCV 2018 "Image Super-Resolution Using Very Deep Residual Channel Attention Networks"
[ICCV 2025] STAR: Пространственно-временное аугментирование с использованием моделей "текст в видео" для сверхвысокого разрешения реальных видео
Код для статьи SIGGRAPH 2020 "RigNet: Нейронный риггинг для сочлененных персонажей"
Интерфейс Python для дрона DJI Tello с использованием официального SDK Tello. Добро пожаловать к вкладу!
Список некоторых недавних работ по компьютерному зрению (CV) на основе Трансформеров.
Lazyeat (Ленивый жест) | Управление жестами в воздухе, просто махните рукой! Lazyeat — это бесконтактный контроллер для использования во время еды! Не хотите, чтобы руки были жирными во время просмотра шоу или веб-серфинга во время еды? Вы можете ставить видео на паузу/переключаться на полноэкранный режим/переключать видео, просто жестикулируя перед камерой!
Сверхвысокое разрешение изображений с произвольными шагами через обращение диффузии (CVPR 2025)
CVPR2023 - Активация большего количества пикселей в трансформере для сверхвысокого разрешения изображений TPAMI - HAT: Гибридный трансформер внимания для восстановления изображений
Этот репозиторий предоставляет ценные справочные материалы для исследователей в области мультимодальности, начните свое исследовательское путешествие по RL-основанным MLLM для рассуждений!
ResShift: Эффективная диффузионная модель для сверхвысокого разрешения изображений путем сдвига остатков (NeurIPS@2023 Spotlight, TPAMI@2024)
[CVPR2025] Мы представляем StableAnimator, первую комплексную (end-to-end) фреймворк диффузии видео с сохранением идентичности (ID-preserving), который синтезирует высококачественные видео без какой-либо постобработки, обусловленные эталонным изображением и последовательностью поз.
[CVPR 2023] BundleSDF: Нейронное отслеживание 6-DoF и 3D-реконструкция неизвестных объектов
[ECCV 2024] Street Gaussians: Моделирование динамических городских сцен с помощью гауссовой растеризации
Рабочая область FTC Android Studio для программирования роботов в Android Studio
Официальная реализация VisionHOPE на PyTorch: визуальные бэкбоны как самоизменяющиеся системы обучения.
Обнаружение объектов в реальном времени и с высокой точностью с открытым словарем от начала до конца
Собирайте последние результаты CVPR (Conference on Computer Vision and Pattern Recognition), включая статьи, код и демонстрационные видео и т. д., и мы приветствуем рекомендации от всех!
MulimgViewer — это просмотрщик нескольких изображений, который может открывать несколько изображений в одном интерфейсе, что удобно для сравнения изображений и их сшивания.
открытая платформа для навигации слепых, основанная на ESP32
Pruna — это фреймворк для оптимизации моделей, созданный для разработчиков, позволяющий создавать более быстрые и эффективные модели с минимальными накладными расходами.
Xtreme1 — это универсальная платформа для разметки и аннотирования данных для обучения мультимодальным данным, поддерживающая 3D LiDAR облака точек, изображения и LLM.
Официальный репозиторий эволюционной оптимизации рецептов слияния моделей
Zenless Zone Zero | 绝区零 | Полость Ноль | Автоматический бой | Автоматизация | Классификация изображений | Распознавание OCR
Этот репозиторий является официальной реализацией работы Disentangling Writer and Character Styles for Handwriting Generation (CVPR 2023)
Соберите несколько статей о трансформерах для обнаружения и сегментации. Awesome Detection Transformer для компьютерного зрения (CV)
[CVPR 2025] Hallo3: Высокодинамичная и реалистичная анимация портретных изображений с помощью Video Diffusion Transformer
Создавайте, обучайте, оптимизируйте и запускайте модели компьютерного зрения локально — от исходных изображений до инференса в реальном времени. Открытый исходный код, оптимизация для Intel® XPU (также поддерживается CUDA).
Подборка с наглядным каталогом более чем 200 архитектур моделей «зрение — язык» (VLM/MLLM): статьи, схемы, рецепты обучения, наборы данных и хронология выпусков мультимодальных ИИ-агентов.