视觉与 3D
464 个仓库检测、分割、3D 重建与定位。
把 Ultralytics YOLOv8 到 YOLOv12 系列模型封装成 ROS 2 节点，让机器人项目能直接调用目标检测、实例分割、姿态估计和跟踪能力。
把图片或提示词一键变成带贴图、骨骼和动画的游戏角色，本地跑在 Apple Silicon 或 NVIDIA 上，适合独立游戏开发者和 3D 美术。
本地优先的专业视频监控平台，把摄像头接入、目标检测和人脸识别整合到一个现代化界面里，适合自建 NVR 和家庭安防。
轻量级 C++ 点云处理库，提供聚类、模型拟合、ICP 配准、凸包与三维可视化等算法，适合在 C++ 项目中直接集成点云处理能力。
面向 3D 激光雷达点云的快速地面分割算法，能在复杂场景下稳健剔除地面点，为后续检测与建图提供干净的非地面点云。
输入一张参考图和提示词，按指定相机轨迹生成可预览、可回放、可追溯的三维场景，并能在浏览器里直接查看彩色/深度动画和高斯点云。
从多视角立体图像给三维重建模型自动生成纹理贴图，解决重建网格缺少真实感表面外观的问题。
LangSplat 是 CVPR2024 高亮论文的官方实现，把语言特征嵌入 3D 高斯泼溅，实现可开放词汇查询的 3D 场景重建与语义检索。
微软 AI for Good 实验室开源的生物多样性监测工具集，提供相机陷阱动物检测、声学识别等模型与边缘设备方案，帮生态保护者用 AI 自动处理野外影像和音频数据。
用多相机图像预测自动驾驶场景的三维占据栅格，输出带语义的稠密体素重建，解决纯视觉感知中遮挡与几何结构难以还原的问题。
轻量级 LiDAR-惯性里程计算法，用由粗到细的连续时间轨迹构建做精确运动校正，为机器人和 SLAM 提供实时定位与建图。
收录 3D 目标跟踪方向的论文与配套 C++ 算法实现，覆盖多体、铰接物体、多模态和实时位姿估计，方便复现和对比各类方法。
用图生文生方式生成带 PBR 材质的高质量 3D 资产，基于 Primitive Diffusion 把 3D 生成拆成可扩展的图元扩散过程。
🔥SLAM, VIsual localization, keypoint detection, Image matching, Pose/Object tracking, Depth/Disparity/Flow Estimation, 3D-graphic, etc. related papers and code
从单张图片生成多视角一致图像，用于三维重建的扩散模型，解决单视图生成多视图时视角不一致的问题。
用 Python 快速搭建复杂视频分析应用的多进程框架，把检测、跟踪等环节串成流水线，解决视频流处理中并行调度和模块编排的问题。
用卫星影像合成可沉浸漫游的 3D 城市场景，结合 3DGS 与扩散模型补全视角，解决大范围城市三维重建数据不足的问题。
面向商务场景的日语形态素分析器，能对日文文本做分词和词性标注，适合需要稳定处理业务文档的 Java 项目。
把 Segment Anything 的 2D 分割能力迁移到 3D 高斯泼溅场景，实现无需逐场景训练的三维物体分割，适合做 3D 重建后的语义编辑与标注。
从稀疏或带噪声的点云重建高质量三维表面，基于神经核场方法，适合三维重建与图形学研究。
MIT 协议的开源计算机视觉库，支持目标检测、实例分割和姿态估计，兼容 ONNX 与 PyTorch，方便在边缘设备上训练和部署模型。
纯 Go 编写的独立日语形态素分析器，无需外部词典即可完成分词与词性标注，适合在 Go 服务里直接集成日文 NLP 能力。
汇总近年计算机视觉论文的资源清单，覆盖图像分类、检测、分割、生成、去噪去雾等方向，方便快速追踪各子领域进展。
把 Meta 的 Segment Anything 打包成开箱即用的视频目标分割工具，配合 YOLOv5~v8 做检测后分割，省去自己搭环境的麻烦。