视觉与 3D
共 29 个仓库 · Jupyter Notebook
Meta 开源的 SAM 2 图像与视频通用分割模型，提供推理代码、预训练权重下载和示例 notebook，可对任意画面中的物体做可提示分割与视频目标跟踪。
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。
基于 Keras 实现的 U-Net 图像分割模型，提供训练与推理代码，适合医学影像等像素级分割任务的快速复现与二次开发。
在 SAM 基础上做高质量分割的升级版，能输出更精细的边缘和掩码，适合需要高精度抠图与标注的场景。
Objectron 是面向 3D 物体检测的数据集，包含约 1.5 万段以物体为中心的短视频和 400 万张标注图像，每帧都带 3D 包围盒和 AR 相机位姿，可用于训练从多视角估计物体位置、朝向和尺寸的模型。
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。
模块化 3D Gaussian Splatting 框架，把训练、渲染、数据集和评估拆成可替换组件，方便做多视角重建与新视角合成的实验对比。
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。
Roblox 开源的 3D 基础模型，能从文本生成 3D 形状，为 3D 内容创作提供通用智能底座。
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。
用 PyTorch 复现注意力、分类、目标检测、关键点检测等经典 CV 论文的代码合集，适合照着跑通并理解各类视觉模型的实现细节。
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。
可见光-红外成对图像数据集，专为低光照视觉任务设计，可用于图像融合、图像翻译和目标检测等模型的训练与评测。
汇集人脸检测、识别、3D 重建、动画等多种算法与操作的演示合集，适合快速上手和对比不同人脸处理方案。
基于 PyTorch 的人脸换脸与表情重演工具，支持人脸交换、表情迁移和面部区域分割，适合做视频换脸和深度伪造研究。
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。
RectLabel 是一款离线图像标注工具，用于给目标检测和分割任务画框、打标签、生成掩码，支持 Faster R-CNN、Mask R-CNN、Detectron 等格式。
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。
从图像生成带物理属性的三维资产，让模型产出的 3D 物体不仅外形逼真，还具备质量、材质等可供仿真使用的物理参数。
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。