#计算机视觉

opencv-python是OpenCV的预编译Python包，提供广泛的计算机视觉功能。支持主流桌面和服务器环境，包含完整和headless版本。易于安装使用，适合各级开发者的计算机视觉应用。定期随OpenCV更新，保证用户可使用最新算法和功能。

这个项目整理了6D物体姿态估计、单视图3D物体重建和3D手-物体姿态估计领域的重要资源。内容包括arXiv论文、期刊会议论文、学位论文、数据集、研讨会和挑战赛信息。资源按年份和会议分类,涵盖2014年至今的研究进展,为相关研究人员提供了全面的参考。

该项目汇总了Mamba状态空间模型在低级视觉任务中的应用资源。涵盖图像恢复、超分辨率、去雨、去雾等多个领域的最新研究。提供论文链接和代码仓库，便于研究者了解和实践这一前沿技术。资源涉及图像处理、视频修复、遥感图像等多个方向，为探索Mamba模型在计算机视觉领域潜力的研究人员提供参考。

opencv_extra仓库为OpenCV库提供额外数据支持。包含官方网站、文档、问答论坛等重要资源链接，以及问题追踪系统。仓库还提供了详细的贡献指南，涵盖pull request规范、分支选择、测试文档要求、提交历史管理和编码风格等关键开发规则。

该研究全面综述了低光照图像和视频增强(LLIE)技术，提出SICE_Grad和SICE_Mix数据集用于复杂混合曝光场景，引入Night Wenzhou视频数据集包含航拍和街景。研究梳理LLIE发展历程，系统分类各种方法，提供基准数据集和评估指标，为研究者提供重要参考。

keras-cv 是基于 Keras 3 的模块化计算机视觉库，兼容 TensorFlow、JAX 和 PyTorch。它为数据增强、分类、目标检测等视觉任务提供高级组件，支持跨框架迁移，并包含预训练模型。该库旨在帮助开发者高效构建生产级计算机视觉应用。

MonocularTotalCapture是一个开源项目，旨在实现野外环境下的单目3D人体姿态全方位捕捉。该系统同时捕捉人脸、身体和手部姿态，采用Adam可变形人体模型和OpenPose技术。基于CVPR19研究成果，项目提供完整的安装使用指南，为计算机视觉研究和3D重建提供了有力工具，仅限非商业研究使用。

此项目包含一系列深度学习教程幻灯片，基于PyTorch框架。内容涵盖线性代数、卷积神经网络、循环神经网络和注意力机制等主题，从基础到高级逐步深入。幻灯片采用Jupyter Notebook格式，便于交互式学习和实践。资源适合系统学习深度学习知识的学习者和研究人员。

Ultralytics Assets 仓库集成了视觉资产、预训练模型和数据集，为 Ultralytics YOLO 生态系统提供支持。该仓库涵盖对象检测、实例分割、图像分类等计算机视觉任务，为研究人员和开发者提供便捷的资源访问，加速机器学习项目的开发和优化。此仓库提供了完整的资源套件，包括视觉素材、预训练模型和注释数据集，适用于多种计算机视觉任务。它简化了资源获取过程，使开发者能够专注于项目开发而非资源收集，从而提高工作效率。

InstantMesh是一个基于LRM/Instant3D架构的前馈框架，能从单张图像高效生成3D网格。它采用稀疏视图大型重建模型，提供多种模型变体，支持白色背景图像生成。项目开源了推理和训练代码、模型权重，并提供Gradio在线演示。InstantMesh在3D内容创作和计算机视觉等领域有广泛应用潜力。

TorchVision是PyTorch生态系统的计算机视觉库，提供常用数据集、模型架构和图像变换功能。它支持torch张量和PIL图像后端，具备视频处理能力。该库同时提供Python和C++ API，适用于各种计算机视觉任务。TorchVision版本与PyTorch和Python版本兼容，持续更新以支持最新技术。

本项目整理了车道线检测领域的研究论文、代码实现、数据集和教程资源。内容包括2017年至今的深度学习方法、3D检测、弱监督等主流技术。收录了公开数据集和开源代码,为研究提供参考。项目持续更新最新进展,是该领域的重要资源汇总。

该项目汇集了使用Gradio构建的多样化AI演示和应用。涵盖自然语言处理、计算机视觉等领域，包括文本生成、图像处理、语音合成等功能。展示了AI技术的多样性和实用性，为开发者提供参考和灵感。

pytorch-image-models是一个综合性PyTorch图像模型库，提供最新计算机视觉模型、预训练权重和训练脚本。库中包含CNN和Transformer等多种架构，支持迁移学习和特征提取。项目不断更新，近期新增MobileNetV4模型并优化现有模型性能。该库为计算机视觉研究和开发提供了丰富的工具和资源。

本资源列表汇总了基础模型推理能力相关内容,包括语言、视觉和多模态基础模型,以及常识、数学、逻辑等多领域推理任务应用。同时概述了预训练、微调、对齐训练等推理技术,为研究人员和开发者提供全面参考。

这是一个汇总开放词汇语义分割领域研究成果的项目。内容涵盖全监督、弱监督和无需训练等多种方法，同时收录零样本语义分割、指代图像分割和开放词汇目标检测等相关任务的论文。项目旨在为研究者提供该领域的最新进展概览。

CV-Company-List项目整理了国内计算机视觉(CV)算法岗位公司名录，覆盖北京、上海、深圳、杭州等主要城市。名录包含外企、互联网公司和AI独角兽企业，涵盖知名公司和新兴AI企业。项目为CV算法工程师求职提供参考，并设有AI算法岗求职交流群。该资源旨在帮助求职者全面了解国内CV算法岗位分布情况。该项目持续更新，旨在为计算机视觉领域的求职者提供全面、实时的行业信息。

YOLOv6是一款高效的目标检测框架，提供从轻量级到大型的多种模型选择。它在速度和精度上取得平衡，支持量化和移动端部署，适用于各种实时检测场景。最新版本还引入了分割功能，扩展了应用范围。YOLOv6不仅适用于工业领域，还可广泛应用于安防、交通等多个领域。

MDTv2是一种先进的深度学习图像合成模型，在ImageNet数据集上实现了1.58的FID分数，创造新的业界标准。该模型采用掩码潜在建模技术，提高了图像语义理解能力，学习速度比先前模型快10倍以上。MDTv2在图像生成质量和训练效率方面都有显著提升，为计算机视觉和人工智能领域带来了新的可能性。

fvcore是FAIR开发的轻量级计算机视觉库，为多个框架提供核心共享功能。它包含常用PyTorch组件、FLOP计数工具、参数计数、BatchNorm统计重计算和超参数调度器等特性。该库支持Detectron2、PySlowFast和ClassyVision等项目，所有组件经过严格测试，兼容Python 3.6+和PyTorch环境。

diffae项目实现了基于扩散模型的自编码器框架，用于高质量图像的生成和编辑。该项目提供多个预训练模型，支持FFHQ、LSUN等数据集，实现了无条件生成、图像操作和插值等功能。项目包含使用说明、模型检查点和针对不同数据集的训练脚本，为图像生成和编辑研究提供了完整的工具链。

BrushNet是一种新型图像修复模型，采用双分支扩散结构，可集成到预训练扩散模型中。通过分离遮罩图像特征和噪声潜在表示，并对预训练模型实施像素级控制，提高了图像修复效果。该模型适用于通用场景和特定应用，为图像编辑和生成提供了新的解决方案。

本项目整理了近期Mamba模型在计算机视觉领域的研究论文，涵盖分类、检测、分割、增强等多项CV任务。内容展示了Mamba在视觉应用中的潜力，并持续更新，为研究者提供了解该领域最新进展的便捷渠道。

此项目汇集了多任务学习(MTL)领域的精选资源,包含数据集、代码库和研究论文。涉及计算机视觉、自然语言处理、强化学习等多个领域的MTL基准测试和数据集。另外还收录了MTL架构、优化方法和任务关系学习等相关研究。对于研究人员和工程师深入学习和应用MTL技术而言,这是一个极具参考价值的资源库。

基于CARLA仿真器的端到端自动驾驶研究开源项目。提供可配置代码、文档和高性能预训练模型，揭示了端到端驾驶模型的隐藏偏差。在多个基准测试中表现优异，支持数据生成、模型训练和评估，有助于研究人员探索自动驾驶前沿问题。

arxiv-daily是一个自动化arXiv论文摘要更新系统。该项目每日整理3D视觉、点云匹配、目标跟踪等领域的最新论文。用户可定制关键词筛选感兴趣的论文，实现高效的学术前沿追踪。系统支持历史数据查询功能，为研究人员提供便捷的文献管理平台。通过arxiv-daily,科研工作者可以轻松掌握学术动态,提升科研效率。

AI2-THOR是一个高仿真的交互式AI研究框架。它包含200多个精细场景、2600多个家居物品和200多种交互动作,支持多类智能体和图像模态。框架具备逼真的物理交互,适用于导航和操作任务研究。同时提供丰富元数据和自定义奖励功能。AI2-THOR为体现式AI研究提供了功能全面的仿真环境。

GTA是一种创新的几何感知注意力机制,旨在提升多视图Transformer的表达能力。这项技术不仅适用于新视角合成和3D场景重建等多视图任务,还可应用于图像生成等2D任务。项目提供了GTA在CLEVR-TR和MSN-Hard数据集上的官方实现代码,并展示了其在ImageNet图像生成中的应用。通过整合几何信息,GTA使Transformer更有效地处理3D空间关系,从而显著提高多视图任务的性能表现。

SAM4MIS项目综述了Segment Anything Model (SAM)和SAM2在医学图像分割领域的应用进展。该项目涵盖了从经验评估到方法改进的全面研究成果,为医学图像分割提供了最新见解。通过持续跟踪和汇总SAM相关研究,SAM4MIS为医学图像分析研究提供了重要参考,促进了该领域技术的创新。

GaussianFlow项目提出了一种4D内容创作方法，结合高斯动态与点云渲染技术。该项目利用优化的CUDA实现高效计算高斯流，并采用特定的梯度计算策略提高训练速度。这一方法为动态场景建模和渲染提供了新的解决方案，可应用于虚拟现实、增强现实和计算机图形学等领域。

本项目汇集了3D高斯溅射(3D Gaussian Splatting)领域的前沿研究论文，涵盖基础理论与实际应用。收录内容包括多篇综述文章和顶级会议论文，按时间倒序排列。提供论文中英文摘要和代码链接，为3D场景重建和新视角合成研究提供全面参考。

WonderJourney是一个开源AI项目，将单一图像转化为连贯的旅程视频。该项目结合深度学习技术，包括场景理解、图像生成和3D渲染，实现从任意起点到多样目的地的虚拟探索。WonderJourney为虚拟旅行、教育和娱乐领域提供了新的应用可能。

HAC是一种新型3D高斯点云压缩技术，采用二进制哈希网格建立空间一致性，通过上下文模型分析锚点关系。该方法结合高斯分布熵编码和自适应量化，提升压缩效果。HAC还引入自适应掩蔽策略优化模型结构。作为首个基于上下文的3DGS压缩方案，HAC显著减小了模型体积，为3D场景表示压缩领域带来新突破。

FlowMap是一种创新的相机姿态、内参和深度估计技术，通过梯度下降优化获得高质量结果。该开源项目提供完整代码实现、预训练模型和评估数据集，支持多种数据集并提供丰富的实验配置。FlowMap在多个基准测试中表现出色，为计算机视觉和3D重建研究提供了有力支持。

ObjectSDF++是物体组合式神经隐式表面重建技术的改进版本。该技术通过引入遮挡感知的不透明度渲染公式和物体区分正则化项，提高了实例掩码监督的利用效率，从而在场景和物体层面实现更精确的表面重建。项目提供了适用于Replica和ScanNet数据集的训练和评估代码，为3D场景理解和重建研究提供了新的工具。

fastai是一个深度学习库，提供高层组件以快速实现高性能结果，同时为研究人员提供可组合的低层组件。通过分层架构和Python、PyTorch的灵活性，fastai在不牺牲易用性、灵活性和性能的情况下，实现了高效的深度学习。支持多种安装方式，包括Google Colab和conda，适用于Windows和Linux。学习资源丰富，包括书籍、免费课程和详细文档。