基于 PyTorch 的语义分割模型库，提供 500+ 预训练卷积与 Transformer 骨干网络，开箱即用，省去自己搭建和训练分割模型的麻烦。

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。

YOLO 系列官方实现库，一套 PyTorch 代码覆盖目标检测、实例与语义分割、图像分类、姿态估计和目标跟踪，训练到部署全流程打通。

基于航拍和卫星影像做语义分割，自动提取建筑、停车场、道路、水体、云等要素，适合遥感影像制图与地物识别。

Open3D 的 3D 机器学习扩展，提供点云与 RGBD 数据的语义分割、目标检测等任务的训练与可视化工具，支持 PyTorch 和 TensorFlow。

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。

给纯 ViT 主干加上轻量适配器，无需重设计结构就能做目标检测和语义分割等密集预测任务，ICLR 2023 Spotlight 工作。

BiSeNet 语义分割网络的 PyTorch 实现，支持 Cityscapes、ADE20K、COCO-Stuff 数据集，并提供 ncnn、OpenVINO、TensorRT、Triton 等推理部署方案。

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。

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。

提供室内场景的 RGB-D 扫描数据集与标注工具，用于训练和评测三维重建、语义分割等视觉模型。

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。

半监督 LiDAR 语义分割方法，通过激光混合策略利用少量标注数据训练 3D 点云分割模型，提升自动驾驶场景下的分割精度。

CVNets 是苹果开源的计算机视觉训练库，基于 PyTorch，支持分类、检测、分割等任务，覆盖 ImageNet、COCO、ADE20K 等主流数据集。

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。

FasterViT 是 NVIDIA 提出的高效视觉主干网络，通过分层注意力机制在 ImageNet 分类、COCO 检测和 ADE20K 分割上兼顾精度与推理速度。

ScanNet++ 是一个高保真 3D 室内场景数据集，提供配套工具，支撑三维重建、语义与实例分割、新视角合成等研究。

轻量级结构感知视觉 Mamba 模型，专门做建筑结构裂缝分割，在保持低计算量的同时提升裂缝边缘和细长结构的识别精度。

一站式实时视觉训练与部署框架，覆盖目标检测、关键点估计、实例与语义分割，支持导出 TensorRT、ONNX、OpenVINO、CoreML 到边缘设备。

汇总 ICCV 2025 录用论文及其开源代码，方便计算机视觉研究者按任务快速查找检测、分割等方向的实现。