视觉与 3D
共 239 个仓库 · 近 4 个月有推送
提供可插拔的 Python 和 C++ 多目标跟踪模块，集成 BoT-SORT、ByteTrack、OC-SORT 等 SOTA 算法，支持轴对齐与旋转框跟踪。
多视图几何 C++ 库，为三维计算机视觉和运动恢复结构（SfM）提供基础算法，可做摄影测量与三维重建。
基于飞桨的一站式开发工具，把分类、检测、分割、OCR、语音识别等任务封装成流水线，支持训练到部署全流程。
把文字描述直接变成可编辑的 3D 模型和 CAD 设计，省去从零建模的麻烦，适合 3D 打印和快速原型场景。
开源的三维网格处理系统，支持网格编辑、简化、重建和点云处理，适合处理扫描或打印前的 3D 模型。
用 CUDA 加速高斯泼溅光栅化，让 3D 高斯场景的训练和渲染跑得更快，适合做三维重建与实时渲染。
把超大图像切成小块做切片推理，再拼回完整结果，兼容任意检测/分割模型，还带交互式界面和误差分析图。
面向体育场景的计算机视觉工具库，提供足球等运动的检测、关键点识别与图像嵌入能力，可直接用于球员追踪和赛事数据分析。
用 Rust 实现的 3D 重建与高斯泼溅训练工具，让普通显卡也能跑三维重建，降低使用门槛。
基于 PyTorch 的 3D 深度学习加速库，提供可微渲染、光照、相机 API 和物理仿真等模块，帮研究者快速搭建 3D 重建与神经渲染实验。
一套用于评估目标检测算法的常用指标实现，支持计算 AP、mAP 和 PR 曲线，兼容 Pascal VOC 等标注格式。
OBS 直播/录屏插件，用 ONNX Runtime 做实时人像背景分割，一键抠掉摄像头背景换成任意画面。
极快的 C++/CUDA 神经网络框架，专为 MLP 等小网络在 GPU 上训练和推理加速，常用于 NeRF 等实时渲染场景。
Google ML Kit 的官方示例集合，提供 Android 和 iOS 上条码扫描、人脸检测、图像标注、语言识别等 API 的现成代码，方便开发者快速集成。
用 Segment Anything 模型对遥感影像等地理空间数据做交互式分割的 Python 包，省去自己搭建分割流程的麻烦。
开源的多视图立体视觉重建库，把稀疏点云补成稠密点云、网格和纹理模型，是三维重建流水线里做稠密重建的常用组件。
RTAB-Map 是一套基于外观的 SLAM 库和独立应用，支持视觉与 3D 激光建图、定位和回环检测，可在 ROS、Android、iOS 等平台运行。
一个原生桌面应用，把 3D Gaussian Splatting 场景的训练、查看、编辑、自动化和导出都集成在一起，省去在多个工具间来回切换的麻烦。
Meta 开源的通用前馈式三维重建模型，能从单张或多视角图像直接恢复带真实尺度的三维几何，省去传统 SfM 的繁琐标定与优化流程。
开源的运动恢复结构（SfM）流水线，从多张照片自动重建三维场景和相机位姿，适合做摄影测量与三维建模。
自托管的本地 NVR 与 AI 视觉监控软件，支持目标检测、移动侦测、人脸识别和车牌识别，可接入 IP 摄像头并利用 Coral、CUDA 等硬件加速，数据不出本地。
开源的三维计算机视觉框架，提供摄影测量、多视图立体、相机跟踪和全景拼接等算法，可从照片重建三维模型。
C++ 图优化通用框架，把 SLAM 和视觉定位里的位姿估计建模成图，用非线性最小二乘求解，是后端优化的经典基础设施。
面向地理空间数据的 AI 工具包，基于 PyTorch 提供遥感影像分割、地球观测分析等深度学习模型的训练与推理能力。