#computer-vision Репозитории
Всего репозиториев: 1,451
Бесплатный и полностью открытый стек ADAS уровня L2, работающий на базе сквозных технологий искусственного интеллекта
Синтез реалистичных говорящих портретов в реальном времени с помощью аудио-пространственного разложения
U-Mamba: Улучшение дальних зависимостей для сегментации биомедицинских изображений
[ECCV'2024] Гауссово группирование для реконструкции, сегментации и редактирования Anything в открытом мире.
Vchitect-2.0: Параллельный трансформер для масштабирования видео-диффузионных моделей
Минималистичная SOTA LaTeX OCR модель всего с 20M параметров, работающая в браузере. Полный конвейер обучения доступен для самостоятельного воспроизведения. | Сверхлегкая модель распознавания формул LaTeX SOTA всего с 20M параметров, работающая в браузере. Весь код процесса обучения с открытым исходным кодом для самостоятельного изучения и воспроизведения.
Этот проект расширяет идею инновационной архитектуры Kolmogorov-Arnold Networks (KAN) на сверточные слои, заменяя классическое линейное преобразование свертки на изучаемые нелинейные активации в каждом пикселе.
Этот репозиторий является основной площадкой для управляемого сообществом курса по компьютерному зрению с использованием нейронных сетей. Присоединяйтесь к нам в Discord Hugging Face: hf.co/join/discord
LightlyStudio - Единая платформа данных для мультимодального машинного обучения
Генерация изображений текстовых строк для обучения OCR-моделей глубокого обучения
Подобранная коллекция ресурсов iOS, ML и AR, дополненная некоторыми элементами UI.
TriplaneGaussian: Новое гибридное представление для 3D-реконструкции по одному виду.
Курируемый список публикаций по семантической сегментации с открытым словарем и связанным областям (например, семантическая сегментация с нулевым выстрелом) ресурсы..
3DMatch - локальный геометрический дескриптор на основе 3D ConvNet для выравнивания 3D-сеток и облаков точек.
[CVPR 2024] LMDrive: Сквозное управление автомобилем в замкнутом цикле с использованием больших языковых моделей
О скрытой тайне оптического распознавания символов (OCR) в больших мультимодальных моделях (OCRBench)
AMD Ryzen™ AI Software включает инструменты и библиотеки времени выполнения для оптимизации и развертывания вывода ИИ на ПК с поддержкой AMD Ryzen™ AI.
О проекте Этот репозиторий представляет собой тщательно подобранную коллекцию самых захватывающих и влиятельных статей CVPR 2025. 🔥 [Paper + Code + Demo]
Вы смотрите только один раз: Единая архитектура CNN для локализации действий во времени и пространстве в реальном времени
⚕️Многоагентный медицинский диагностический чат-бот на базе GenAI для помощи в исследованиях в области здравоохранения. 🏥 Разработан для медицинских работников, исследователей и пациентов.
[ICCV 2025, Устный доклад] TrajectoryCrafter: Перенаправление траектории камеры для монокулярных видео с помощью диффузионных моделей
Сборник материалов для начинающих по принципам диффузионных моделей и реализации кода на PyTorch
Гибкая и эффективная кодовая база для обучения визуально-обусловленных языковых моделей (VLM)
[CVPR 2020] CascadePSP: На пути к классово-независимой сегментации сверхвысокого разрешения через глобальное и локальное уточнение
Gaze-LLE: Оценка цели взгляда с помощью крупномасштабных обученных кодировщиков (CVPR 2025, Highlight)
Набор инструментов Python для точной настройки геопространственных базовых моделей (GFM).
Локальный мониторинг + ИИ-видение — Фреймворк мониторинга на базе ИИ, работающий на смартфонах в сети LAN, со структурированным выводом событий для сбора и анализа данных.
SEED-Story: Мультимодальная генерация длинных историй с использованием большой языковой модели
[ECCV 2024] официальный код для "Long-CLIP: Разблокировка возможности работы с длинными текстами в CLIP"
[ICCV 2021 Oral] PoinTr: Разнообразное завершение облаков точек с помощью трансформеров, учитывающих геометрию
[CVPR 2024 Oral] Переосмысление индуктивных смещений для оценки нормалей поверхности