视觉与 3D
共 256 个仓库 · Python
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。
开源多模态大模型家族，视觉语言能力接近 GPT-4o，支持图像分类、图文检索、语义分割和视频理解等任务。
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。
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。
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。
单张图片就能快速重建出 3D 物体模型的前馈生成模型，适合需要批量产出 3D 资产的场景。
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。
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。
基于 PyTorch 的激光雷达 3D 目标检测工具箱，统一了 PointPillar、PV-RCNN 等主流点云检测模型的训练与评测流程，省去自己搭框架的麻烦。
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。
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。
从单张图片快速生成 3D 网格模型，基于稀疏视角大重建模型，几秒内就能输出可用的网格资产。
腾讯混元开源的图生 3D 模型，能从单张图片生成带生产级 PBR 材质的高精度 3D 资产，适合直接用于游戏和影视管线。
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。
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。
用 Blender 程序化生成带深度、位姿等标注的逼真训练图像，解决计算机视觉任务缺高质量合成数据的问题。
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。
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。
一套 Python/C++ 混合的视觉 SLAM 流水线，支持单目、双目和 RGB-D 相机，集成多种特征提取、回环检测、深度预测与语义分割，用于三维重建和场景理解。