#computer-vision Репозитории
Всего репозиториев: 1,451
CALVIN - Эталон для обучения политике с условием языка для задач робототехнической манипуляции с длительным горизонтом
Официальная реализация авторегрессионной генерации изображений с использованием остаточной квантизации (CVPR '22)
Этот репозиторий сопровождает исследовательскую работу ARKitScenes — разнообразный набор данных реального мира для понимания 3D-сцен в помещении с использованием мобильных данных RGB-D и содержит данные, скрипты для визуализации и обработки активов, а также код обучения, описанные в нашей работе.
[3DV 2025] Код для «FlowMap: высококачественные позы камеры, внутренние параметры и глубина с помощью градиентного спуска» от Cameron Smith*, David Charatan*, Ayush Tewari и Vincent Sitzmann
Код для статьи: Изображения, сгенерированные CNN, удивительно легко обнаружить... пока что https://peterwang512.github.io/CNNDetection/
Статьи ICCV 2023-2025: Откройте для себя передовые исследования с ICCV 2023-25, ведущей конференции по компьютерному зрению. Будьте в курсе последних достижений в области компьютерного зрения и глубокого обучения, с включенным кодом. ⭐ Поддержите развитие визуального интеллекта!
[SIGGRAPH Asia 2025 (ACM TOG)] AnySplat: Прямое 3D гауссово распыление (Gaussian Splatting) по неконтролируемым видам
Идея этого списка — собрать общие данные и алгоритмы вокруг 3D Morphable Models. Вы приглашаетесь внести вклад в этот список, добавив pull request. Оригинальный список возник из семинара Dagstuhl по 3D Morphable Models https://www.dagstuhl.de/19102 в марте 2019 года.
Реализация внимания-основанного глубокого множественного обучения экземпляров в PyTorch
Этот репозиторий предназначен для размещения инструментов и демонстраций для ActivityNet.
Этот узел предоставляет возможности синхронизации губ в ComfyUI с использованием модели LatentSync от ByteDance. Он позволяет синхронизировать губы видео с аудиовходом.
Код для генерации говорящих лиц с контролируемой позой с помощью неявно модулированного аудиовизуального представления (CVPR 2021)
Метод в реальном времени, который оценивает 3D позу человека непосредственно в популярном формате Bio Vision Hierarchy (BVH), на основе оценок 2D суставов тела, полученных из монохромных цветных изображений. Наши вклады включают: (a) Новое и компактное представление NSRM позы 2D. (b) Классификатор ориентации человеческого тела и ансамбль ориентационно-настроенных
[ICRA 2025 Лучшая статья] MAC-VO: Осознание метрики ковариантности для основанной на обучении стерео визуальной одометрии
MAT: Маскирующий-информированный трансформер для восстановления изображений с большими отверстиями
Исходный код, связанный с проектом распознавания выражений лица в распознавании лиц
Модель видео-основы отраслевого уровня для унифицированной генерации видео из текста (T2V) и из изображений (I2V).
[dsh] Более мощный набор визуальных инструментов, разработанный для текстовых моделей: установка и использование одной строкой, распознавание изображений непосредственно после вставки, вопросы и ответы по нескольким изображениям, восстановление интерфейса frontend по скриншоту и многое другое|Нативная интеграция DeepSeek Harness для agent-vision-toolkit: вопросы и ответы по изображениям, OCR длинных скриншотов, восстановление UI, grounding, попиксельное сравнение, Artifacts и Web UI.
Коллекция самых важных репозиториев Github для специалистов по ML, AI и науке о данных
Библиотека для экспериментов, обучения и оценки нейронных сетей с акцентом на устойчивость к противнику.
Масштабирование ваших ядер до 31x31: Пересмотр дизайна больших ядер в сверточных нейронных сетях (CVPR 2022)
Современное компьютерное зрение с PyTorch, опубликовано Packt
[ECCV'24] GeoWizard: Освобождение диффузионных априорных знаний для оценки 3D-геометрии по одному изображению