视觉与 3D
共 256 个仓库 · Python
D-FINE 把 DETR 的边界框回归重构成细粒度分布细化，让目标检测在保持端到端简洁结构的同时显著提升定位精度，是 ICLR 2025 Spotlight 工作。
一套加速深度学习研发的 PyTorch 高层框架，提供可复用的训练循环、分布式训练和指标回调，省去反复搭训练脚手架的时间。
面向高分辨率生成与感知的高效视觉基础模型，通过轻量架构设计降低计算开销，可用于图像分类、分割等任务。
用 2D 高斯面片做辐射场重建，能同时合成新视角并输出几何精确的表面，解决了传统 3DGS 重建表面粗糙、几何不准的问题。
基于 MASt3R 三维重建先验的实时稠密 SLAM 系统，能在单目视频流中同步完成相机位姿估计与稠密三维重建，适合机器人和 AR 场景。
持续更新的 3D 高斯泼溅（3DGS）论文合集，按主题整理新视角合成与 3D 重建相关研究，方便快速跟进领域进展。
一份精选的机器人软件与库清单，覆盖运动规划、多体动力学、仿真、SLAM 等方向，帮开发者快速找到合适的机器人开发组件。
从文字或图片直接生成可漫游、可交互的沉浸式 3D 场景，用世界模型把 3D 内容创作的门槛降下来。
用基础模型自动给图片打标签，再拿这些标注训练自己的监督视觉模型，省掉人工标注的环节。
T-Rex2 是 ECCV2024 开源的通用目标检测模型，结合文本提示与视觉提示，实现开放场景下的目标检测和计数。
基于 PyTorch 的点云深度学习训练框架，集成 PointNet、KPConv、MinkowskiEngine 等主流模型，方便在 S3DIS、ScanNet 上做分割等任务。
UNet++ 的官方实现，通过嵌套密集跳跃连接缩小编码器与解码器之间的语义鸿沟，提升医学图像分割精度，提供 Keras 和 PyTorch 版本。
从单张图片生成结构化、可分解的 3D 网格模型，把物体拆成多个部件分别建模，方便后续编辑和装配。
轻量级裸露内容检测模型，可识别图片中的 NSFW 内容，支持 Keras 和 ONNX Runtime 推理，适合做内容审核和过滤。
用光线追踪和混合光栅化渲染高斯粒子的 3D 重建工具，能提升高斯泼溅场景的渲染质量与真实感。
通用细胞分割算法，支持人工介入校正分割结果，适用于各类显微图像中的细胞检测与分割任务。
基于 DETR 系列的目标检测研究平台，集成 DAB-DETR、DINO、Mask-DINO 等主流变体，方便复现和对比实验。
给普通监控摄像头加上目标检测、跟踪、手机通知和录像搜索能力，支持 RTSP 接入，可自建 NVR 替代商业方案。
MambaVision 是 CVPR 2025 提出的混合 Mamba-Transformer 视觉骨干网络，用 PyTorch 实现，可直接用于图像分类、目标检测和分割等视觉任务。
面向卫星和航拍影像的深度学习库与框架，基于 PyTorch 提供遥感场景下的分类、目标检测和语义分割训练与推理能力。
为 ComfyUI 提供抠图与分割节点，集成 RMBG、BiRefNet、SAM、YOLO、GroundingDINO 等模型，可去背景并分割物体、人脸、服装。
秒级生成任意 3D 场景的生成模型，支持文本或图像输入，可用于快速搭建三维世界与场景重建。
从视频中估计相机位姿、深度和相机内参的 3D 感知引擎，为几何三维重建与空间理解提供基础数据。
Libraries for applying sparsification recipes to neural networks with a few lines of code, enabling faster and smaller models