视觉与 3D
共 13 个仓库 · 近 4 个月有推送 · Jupyter Notebook
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。
把 DINOv3 的强表征能力引入实时目标检测，DEIMv2 在保持实时推理速度的同时显著提升检测精度，适合需要快速部署的目标检测场景。
Mish 是一种自正则化、非单调的神经网络激活函数，论文发表于 BMVC 2020，官方仓库提供实现与实验代码，可直接替换 ReLU 等激活函数，用于图像分类、目标检测等任务。
用高斯泼溅做城市级大场景三维重建，通过细节层次（LOD）策略兼顾高质量渲染与训练效率，支持新视角合成。
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。
把 Segment Anything 模型适配到显微图像上的分割工具，支持细胞、细胞核、线粒体等结构的自动与交互式分割，并集成 napari 做可视化标注。
把 SAM3 通过渐进式知识蒸馏压缩成轻量边缘模型，实现快速的可提示概念分割与跟踪，适合端侧部署。
只用 ViT 编码器做图像分割的官方实现，省去解码器和额外适配模块，在实例、全景分割任务上兼顾精度与推理速度。
基于 GTSAM 的端到端运动恢复结构（SfM）框架，从多视角图像中重建三维场景与相机位姿。
用 Python 自动检测图像中的色卡（ColorChecker）位置，为色彩校正和色彩空间分析提供准确的色块定位。
Ultralytics 官方 YOLO 教程合集，提供可直接在 Colab、Kaggle、SageMaker 上运行的 Notebook，覆盖训练、推理、导出及检测、分割、姿态估计等视觉任务。
微软 Florence-2 视觉语言模型的非官方实战笔记本合集，覆盖推理、自动标注和微调，方便快速上手做目标检测、OCR 等视觉任务。
提供真实场景下 360 度环视的 RGB-D 汽车数据集，配套 3D 重建与高斯泼溅工具，用于车辆三维建模研究和评测。