#computer-vision Репозитории
Всего репозиториев: 1,451
projectaria_tools — это набор инструментов с открытым исходным кодом на C++/Python для взаимодействия с данными Project Aria.
Последние работы, основанные на LLM, в области компьютерного зрения и смежные темы. Приветствуются комментарии/вклад!
Python фреймворк для компьютерного зрения и видеоаналитики "все включено"
Агностический фреймворк компьютерного зрения – подключаемый к любой библиотеке обучения: Fastai, Pytorch-Lightning и другие в будущем
[CVPR 2025] Первое исследование рассуждений CoT (RL, TTS, Рефлексия) в генерации изображений
[TMLR 2025] Thera: Сверхразрешение произвольного масштаба без наложения спектров с помощью нейронных тепловых полей
[NeurIPS 2023] Официальная реализация статьи «Motion-X: A Large-scale 3D Expressive Whole-body Human Motion Dataset»
⚡ Новый сверхлегкий алгоритм обнаружения объектов без привязки (anchor-free), весом всего 250 тысяч параметров, сокращает время обработки на 10% по сравнению с yolo-fastest, а его постобработка проще.
(ACM TOMM) Это официальный репозиторий кода для "VM-UNet: Vision Mamba UNet для сегментации медицинских изображений".
Это полный пакет современных методов глубокого обучения для 3D-точечных облаков на PyTorch (с предварительно обученными моделями).
YoloDotNet - Проект на C# .NET 8.0 для классификации, обнаружения объектов, обнаружения OBB, сегментации и оценки позы как в изображениях, так и в потоках живого видео.
Официальная реализация на PyTorch статьи «Camera Distance-aware Top-down Approach for 3D Multi-person Pose Estimation from a Single RGB Image», ICCV 2019
Этот репозиторий содержит комплексный проект по компьютерному зрению/машинному обучению в футболе, который использует YOLO для обнаружения объектов, Kmeans для сегментации пикселей, оптический поток для отслеживания движения и перспективное преобразование для анализа движений игроков в футбольных видео.
Программа обучения для libfacedetection для обнаружения лиц и обнаружения 5 ориентиров.
[CVPR 2024] Официальный репозиторий для "Gaussian Head Avatar: Ultra High-fidelity Head Avatar via Dynamic Gaussians"
От грубого к точному: Надежная иерархическая локализация в большом масштабе с HF-Net (https://arxiv.org/abs/1812.03506)
Крупнейший в мире репозиторий GitHub для LLM + робототехники
PointFlow: Генерация 3D-облаков точек с использованием непрерывных нормализующих потоков
[ICML2024] Официальный код для GaussianPro: 3D Gaussian Splatting с прогрессивным распространением
Instruct-NeRF2NeRF: Редактирование 3D-сцен с помощью инструкций (ICCV 2023)
Обнаружение 21 ключевой точки руки, двумерная поза жеста руки, распознавание жестов, pytorch, handpose
Куратированный список НАБОРОВ ДАННЫХ, КОДОВЫХ БАЗ и СТАТЕЙ по Multi-Task Learning (MTL) с точки зрения машинного обучения.
[Расширенная версия ICLR 2025 Blog Track] Anole: Открытые, авторегрессивные и нативные мультимодальные модели для генерации чередующихся изображений и текста
Официальная реализация «Lotus: Диффузионная визуальная базовая модель для высококачественного плотного предсказания»
LLVIP: Сопряженный набор данных "видимый"-"инфракрасный" для слабоосвещенного зрения
Этот репозиторий содержит ресурсы (статьи, блоги, веб-сайты и т.д.), рекомендованные Ильей для изучения искусственного интеллекта.
[CMU] Универсальная и модульная структура, разработанная для автономных беспилотных летательных аппаратов [БПЛА] (C++/ROS/PX4)
Отличная подборка ресурсов и статей по диффузионным моделям для роботизированных манипуляций.
[NeurIPS 2025] 4KAgent: Agentic Any Image to 4K Super-Resolution. Интеллектуальный агент компьютерного зрения, который может волшебным образом восстановить любое изображение до идеального 4K!