视觉与 3D
共 256 个仓库 · Python
用扩散模型做医学图像器官分割与重建，把去噪扩散思路引入分割任务，适合医学影像研究和训练微调。
RoMa 是 CVPR 2024 提出的鲁棒稠密特征匹配器，能为几乎任意图像对估计像素级稠密形变和可靠的匹配置信度，用于 3D 重建等任务。
从稀疏多视角图像前馈式重建 3D 高斯，用代价体积做几何匹配，无需逐场景优化就能快速合成新视角。
把 Frigate NVR 接入 Home Assistant 的官方集成，让摄像头画面、目标检测事件和录像直接在智能家居面板里联动展示。
可微分渲染器 SoftRas 的官方实现，把光栅化过程变得可导，让基于图像的三维重建和几何推理能端到端训练。
用空间稀疏注意力做超大规模 3D 生成，单卡也能跑千兆级 3D 内容，支持图生 3D 和 3D 重建。
FastGS 是 CVPR 2026 收录的 3D Gaussian Splatting 加速训练方案，能在约 100 秒内完成 3DGS 训练，大幅缩短三维重建的迭代时间。
用星凸多边形表示做目标检测的深度学习库，专门解决显微镜图像里细胞核等密集小目标的实例分割问题。
在 Blender 里直接导入、渲染和编辑 3D 高斯泼溅（3DGS/4DGS）模型的插件，省去格式转换，方便做动画和场景合成。
把 COCO、LabelMe、Labelbox、VoTT 等格式的 JSON 标注转成 YOLO 训练格式，适合做目标检测数据集迁移；官方已建议改用 Ultralytics 包里的 convert_coco()。
用张量分解来建模和重建辐射场，把 NeRF 的显存占用和训练时间大幅压下来，同时保持渲染质量。
腾讯混元开源的通用三维重建模型，能从单图或多视图快速还原三维场景，面向图像转 3D 与世界模型生成等任务。
用提示（如稀疏深度点或相机位姿）引导单目深度估计，输出高精度、尺度一致的深度图，用于三维重建和机器人抓取。
基于 VGGT 的稠密 RGB SLAM 系统，在 SL(4) 流形上做位姿优化，用纯视觉输入实现稠密建图与定位。
一套目标检测评估指标工具，涵盖 mAP、AR、STT-AP 等 14 种指标，兼容 COCO、PASCAL VOC、ImageNet 等多种边界框格式，省去自己实现评估逻辑的麻烦。
OC-SORT 是 CVPR2023 提出的在线多目标跟踪算法，通过以观测为中心的设计提升遮挡和非线性运动场景下的跟踪鲁棒性，代码简单易用。
把图片或提示词一键变成带贴图、骨骼和动画的游戏角色，本地跑在 Apple Silicon 或 NVIDIA 上，适合独立游戏开发者和 3D 美术。
输入一张参考图和提示词，按指定相机轨迹生成可预览、可回放、可追溯的三维场景，并能在浏览器里直接查看彩色/深度动画和高斯点云。
LangSplat 是 CVPR2024 高亮论文的官方实现，把语言特征嵌入 3D 高斯泼溅，实现可开放词汇查询的 3D 场景重建与语义检索。
微软 AI for Good 实验室开源的生物多样性监测工具集，提供相机陷阱动物检测、声学识别等模型与边缘设备方案，帮生态保护者用 AI 自动处理野外影像和音频数据。
用多相机图像预测自动驾驶场景的三维占据栅格，输出带语义的稠密体素重建，解决纯视觉感知中遮挡与几何结构难以还原的问题。
用图生文生方式生成带 PBR 材质的高质量 3D 资产，基于 Primitive Diffusion 把 3D 生成拆成可扩展的图元扩散过程。
从单张图片生成多视角一致图像，用于三维重建的扩散模型，解决单视图生成多视图时视角不一致的问题。
用 Python 快速搭建复杂视频分析应用的多进程框架，把检测、跟踪等环节串成流水线，解决视频流处理中并行调度和模块编排的问题。