视觉与 3D
共 35 个仓库 · 只看有专家点评 · 近 4 个月有推送
YOLO 系列官方实现库，一套 PyTorch 代码覆盖目标检测、实例与语义分割、图像分类、姿态估计和目标跟踪，训练到部署全流程打通。
基于 PyTorch 的目标检测全家桶，覆盖训练、推理、实例分割、图像分类和模型导出，开箱即用，适合快速落地视觉任务。
本地运行的网络录像机，接入 IP 摄像头后实时做目标检测，识别到人、车等对象再触发录像和 MQTT 通知，画面不出家门。
收录最全的 PyTorch 图像骨干网络合集，涵盖 ResNet、ViT、ConvNeXt 等主流模型，自带训练、评估、推理和导出脚本及预训练权重，省去自己搭网络和找权重的麻烦。
Detectron2 是 Facebook 开源的目标检测与分割平台，提供模块化架构和丰富预训练模型，方便快速搭建和训练视觉识别任务。
用 Python 实现机器人算法的示例代码与配套教材，覆盖定位、建图、路径规划、控制等模块，适合边跑可视化动画边学自动驾驶与自主导航。
一套开箱即用的 2D/3D 人脸分析算法库，集成 ArcFace、RetinaFace 等模型，覆盖人脸检测、对齐、识别和年龄估计，支持 PyTorch、MXNet 等多后端。
用 PyTorch 实现的 Vision Transformer（ViT），只需一个 Transformer 编码器就能在图像分类任务上达到 SOTA，代码简洁易读，适合快速复现和二次开发。
把参考图片重建为纯代码、可动画的 Three.js 程序化模型，省去手工建模，适合在网页里快速生成可交互 3D 场景。
微软开源的统一 3D 生成模型，用结构化 3D 潜变量把文本或图像转成高质量 3D 资产，支持大规模、多用途的 3D 内容创作。
Open3D 是一个现代 3D 数据处理库，提供点云、网格、RGB-D 和 3D 可视化等算法与工具，支持 C++ 和 Python，可用于 3D 感知、重建与机器学习研究。
从多张照片重建三维场景的 C++ 工具，集成了运动恢复结构（SfM）和多视图立体（MVS），可输出相机位姿与稠密点云。
基于节点的可视化编程工具箱，把照片一键重建为带纹理的 3D 模型，覆盖相机追踪、多视图立体和 HDR 成像等流程。
开源扫地机器人项目，用 ESP32、树莓派和激光雷达搭建可 DIY 的自主清扫机器人，支持 SLAM 建图与 Home Assistant 接入。
PyTorch 上的 Grad-CAM 系列可视化工具，支持 CNN 和 Vision Transformer，可用于分类、检测、分割、图像相似度等任务的模型可解释性分析。
跨平台桌面标注工具，支持文本、图像、视频、点云和多模态数据，内置 AI 模型辅助预标注，可导出多种格式。
三行代码就能完成训练和调参的 AutoML 框架，自动搞定表格、图像、文本和时间序列任务，省去手动选模型和调超参的麻烦。
基于 PyTorch 的 YOLOv3 系列实现，覆盖训练、验证、推理全流程，并支持导出 ONNX、CoreML、TensorRT 等多种格式，方便做实时目标检测和边缘部署。
基于 Web 的 3D Gaussian Splatting 编辑器，可在浏览器里直接查看、裁剪和编辑 3DGS 重建场景，省去本地装软件和格式转换的麻烦。
实时交互式数字人直播方案，基于 ER-NeRF、MuseTalk 等模型实现音频驱动口型同步与说话头生成，可用于虚拟主播和实时对话场景。
RF-DETR 是 Roboflow 推出的实时目标检测与实例分割模型架构，在 COCO 上达到 SOTA，适合直接微调落地。
一套可直接在 Colab 跑的计算机视觉教程合集，覆盖 ResNet 到 RF-DETR、YOLO11、SAM 3、Qwen3-VL 等模型，帮你快速上手训练、微调与推理。
医学影像分割的深度学习工具箱，开箱即用，能自动配置训练流程，在 CT、MRI 等 3D 数据上达到竞赛级精度。
追踪 3D Gaussian Splatting 研究进展的论文与资源精选列表，帮你在快速爆发的 3DGS 领域里快速找到关键工作和实现代码。