视觉与 3D
共 370 个仓库 · 一年内有推送
把 YOLO 系列模型接入 NVIDIA DeepStream SDK 的推理实现，支持 Darknet、PyTorch、Paddle 等多种权重格式，方便在 Jetson 和 GPU 上做实时目标检测部署。
基于航拍和卫星影像做语义分割，自动提取建筑、停车场、道路、水体、云等要素，适合遥感影像制图与地物识别。
CVNets 是苹果开源的计算机视觉训练库，基于 PyTorch，支持分类、检测、分割等任务，覆盖 ImageNet、COCO、ADE20K 等主流数据集。
自建的家庭照片管理服务器，用物体识别、人脸识别、位置和色彩分析等 ML 算法帮你从海量照片里快速筛出想要的那张，任意设备都能访问。
用 Python 仿真加开源教材一步步搭建自动驾驶系统，可在同一框架里替换对比定位、规划与控制算法，适合入门学习。
基于视觉惯性里程计的实时 SLAM 系统，能在 CPU 上完成定位、建图并生成三维网格，适合机器人与状态估计场景。
基于点云的 3D 定位与建图框架，支持 LiDAR、IMU 和 GPU 加速，可在 ROS/ROS2 下做 SLAM 与全局定位。
基于 TensorRT 的 YOLO 系列模型部署工具包，支持检测、分割、姿态估计和旋转框检测，帮你在 NVIDIA 显卡上把推理跑得更快更省事。
把 PyTorch 模型转成 iOS/macOS 可直接用的 .mlpackage，每个模型都配转换脚本和 SwiftUI 示例，省去自己折腾 Core ML 的麻烦。
把多个目标检测模型输出的检测框做融合集成，包含加权框融合（WBF）方法，能比传统 NMS 更好地合并重叠框、提升检测精度。
轻量级 C++11 纯头文件李群李代数库，为机器人、SLAM 和计算机视觉提供 2D/3D 位姿与几何运算支持。
面向所有人的 3D 视觉入门教程，用 OpenCV 和 CMake 带你动手实现相机标定、图像校正、视觉里程计、视觉 SLAM 与三维重建等几何视觉核心算法。
一份面向 2026 年的视觉 SLAM 学习路线图，把计算机视觉、深度学习、RGB-D、VIO 等知识按阶段串成清晰的学习路径，帮新手系统入门并成长为视觉 SLAM 开发者。
用 PyTorch 深度神经网络从歌曲中分离人声和伴奏，输入音频后输出两条独立音轨，适合做翻唱伴奏提取或人声采样。
用 Transformer 从单目视频里重建并跟踪三维人体，输出带 SMPL 参数的动作序列，适合做人体建模和动作分析。
YOLOv13 的官方实现，用超图增强的自适应视觉感知提升实时目标检测精度，适合需要落地部署检测模型的场景。
面向 MSLA/DLP 光固化 3D 打印的切片文件分析与处理工具，能检查、校准、修复、转换和编辑打印文件，帮你在上机前发现并解决模型问题。
DEIM 是一个面向实时目标检测的 DETR 改进方案，通过优化一对一匹配策略加速模型收敛，让 DETR 系列检测器训练更快、精度更高。
基于 PyTorch 的知识蒸馏框架，无需写代码即可复现和对比 28 种顶会蒸馏方法，附带训练模型、日志和配置，方便做可复现的深度学习研究。
基于多模态大模型的目标检测方案，把检测任务转成下一个点预测，支持开放场景下检测任意物体。
用单张图片生成高质量 3D 物体的 PyTorch 实现，结合 2D 与 3D 扩散先验，解决单图三维重建中几何与纹理质量不足的问题。
面向机器人位姿与流形优化的可微分编程库，把李群、位姿估计和卡尔曼滤波等模块接入 PyTorch，方便在深度学习里做几何优化与状态估计。
MATLAB 机器人学工具箱，提供机械臂与移动机器人的运动学、雅可比、刚体动力学、轨迹规划、卡尔曼滤波和 SLAM 等算法实现，方便在 MATLAB 里快速建模与仿真机器人系统。
基于 Retinex 理论的一阶段 Transformer 低光照图像增强模型，ICCV 2023 高被引工作，可直接用于夜间图像提亮与下游检测任务。