视觉与 3D
共 464 个仓库
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。
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。
Matterport3D 是一个面向 RGB-D 机器学习任务的大规模室内场景数据集，提供带标注的 3D 重建与语义理解数据，适合训练和评测场景重建模型。
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。
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。
ZED SDK 是 Stereolabs 为 ZED 立体相机提供的空间感知开发套件，支持实时深度估计、SLAM、点云和人体姿态估计，帮助快速搭建智能机器人与空间感知应用。
在 React Native 里跑 TensorFlow Lite 模型的高性能绑定库，支持 GPU 加速，适合在手机上做目标检测、人脸识别等端侧推理。
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。
用 C++20 实现、带 Python 绑定的跨平台 3D 图形库，API 风格对齐 three.js，方便在原生和 Web 环境复用同一套高层接口做渲染与物理仿真。
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。
AirSLAM 是面向视觉定位的 SLAM 系统，融合 SuperPoint 与 SuperGlue 做特征提取和匹配，为机器人在未知环境中提供实时位姿估计与建图。
拆解 Intel/AMD CPU 底层机制的 C 语言实现合集，涵盖分页、分段、VT-x 硬件虚拟化与 EPT，适合想搞懂 CPU 内部原理和写 hypervisor 的人。
仅用激光雷达或激光-惯性融合的高鲁棒、高精度里程计，为机器人和自动驾驶提供可靠定位与建图，应对退化场景和传感器不确定性。
纯 Java 实现的高性能计算机视觉库，覆盖 SFM、相机标定、基准标记识别、目标跟踪和图像处理，适合在 Android 或 JVM 上做 3D 视觉与摄影测量。
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。
面向 Android 的机器学习工具包，封装 ML Kit 能力，几行代码就能接入文字识别、条码扫描、人脸与对象检测、图像标记等功能。
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。
一套用于构建 Web 医学影像应用的 JavaScript 库，提供渲染、分割等基础能力，方便开发放射科阅片类应用。
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。