#分割
lite.ai.toolkit
一款轻量级的C++工具包，支持多种AI模型，包括目标检测、面部识别、图像分割和抠图等。依赖最小，仅需OpenCV和ONNXRuntime，兼容GPU和CPU设备，提供300多种C++实现和500多种预训练模型，易于使用和集成。
overeasy
Overeasy允许无大规模数据集，通过链式预训练零样本视觉模型实现高效图像处理。利用专用工具和工作流，用户可定制端到端管道，支持边框检测及分类。功能涵盖执行图和检测，安装简便，文档详尽，并提供Colab示例。
Segment-Everything-Everywhere-All-At-Once
SEEM是一种新型图像分割模型,支持多种交互方式如点击、框选、涂鸦、文本和音频提示。该模型可接受任意组合的提示输入,精确分割图像中的目标对象并赋予语义标签。SEEM采用统一架构,具备多模态交互、语义理解和泛化能力,为图像分割任务提供了灵活通用的解决方案。
GPT Splitter
GPT Splitter是一个专业的在线工具，旨在解决ChatGPT输入文本过长的问题。该工具能够自动将长文本分割成多个适合ChatGPT处理的短提示（ChatGPT prompt）。用户只需将完整文本粘贴到网站上，系统就会智能拆分内容（split prompt）。这种方法使得逐一发送分割后的提示成为可能，从而确保ChatGPT能够准确处理和响应每个部分，提高交互效率。
Awesome_Underwater_Datasets
Awesome_Underwater_Datasets汇集了水下计算机视觉领域的多种数据集，涵盖图像增强、超分辨率、深度估计、目标检测等方向。项目收录了EUVP、USOD10k、SUIM等知名数据集，包含10多个领域的50余个数据集，为水下视觉研究提供了全面的数据资源，有助于相关技术的进步。
segment-lidar
segment-lidar是一个用于航空LiDAR数据无监督实例分割的Python工具包。它集成了Meta AI的Segment-Anything Model (SAM)和segment-geospatial包，实现3D点云数据的自动化分割。工具包具备地面滤波、自定义相机视图和交互式可视化等功能，安装简便，文档完善。适合处理大规模LiDAR数据的研究和开发需求。
Awesome-Implicit-Neural-Representations-in-Medical-imaging
该项目汇集了86篇关于隐式神经表示在医学影像领域应用的研究论文,时间跨度从2021年至2023年。涵盖图像重建、分割、配准和神经渲染等多个方向。项目提供论文列表、代码链接及相关资源,便于研究者快速获取信息。同时收录了一篇发表于arXiv的综述文章,对医学影像中隐式神经表示的应用进行了全面对比分析。
Mesh_Segmentation
本项目整理了3D网格分割和特征提取领域的重要研究进展,涵盖2019年至2024年间的创新技术,如变形自动编码器、窗口变换器和图卷积网络等。同时收录了相关数据集、课程资源和关键论文,为该领域研究人员提供全面参考,促进3D网格处理技术的发展。
awesome-transformers-in-medical-imaging
本项目汇总了Transformer在医学影像分析领域的最新研究成果,包括图像分割、分类、重建等多个任务。资源库按时间顺序整理相关论文和开源实现,为研究人员提供全面参考。内容定期更新,旨在促进Transformer在医学影像分析中的应用与发展。