计算机视觉

MuscleMap 开源 免费 仅开源

一键量化全身肌肉 MRI，让科研分析标准化。

MuscleMap 是一个开源、社区支持的全身肌肉定量 MRI 分析平台。它解决的是肌肉萎缩、肥胖、代谢疾病···

receipt-ocr 开源 免费 仅开源

拍张票据照片，自动提取金额日期等关键字段

receipt-ocr 是一个面向小票、发票等票据图像的 OCR 处理引擎，用 Python 编写。它要解决的问题是：···

computer-vision-challenge 开源 免费 仅开源

边做边学，用Jupyter玩转计算机视觉经典任务

这是一个面向所有人的计算机视觉实战项目合集，基于Jupyter Notebook编写，涵盖CNN、图像分类、目标···

vivid123 开源 免费 可打开

一张图生成多视角视频，3D重建更轻松

ViVid-1-to-3 是一个基于视频扩散模型的单图生成多视角新视图的开源项目，由 CVPR 2024 Highlight ···

street-tryon-benchmark 开源 免费 仅开源

让AI在真实街景中试穿衣服，评估更靠谱

StreetTryOn 是一个面向真实街景场景的虚拟试穿基准测试集，由 WACV'25 论文提出。它解决了现有虚拟···

yolo-inference 开源 免费 仅开源

一套代码跑通十余代 YOLO 推理

yolo-inference 是一个用 C++ 和 Python 实现的 YOLO 系列目标检测推理项目，覆盖从 YOLOv3、v4、v···

diffseg 开源 免费 仅开源

用扩散模型注意力，零标注自动分割图像

DiffSeg 是一种基于 Stable Diffusion 注意力信息的无监督零样本分割方法。它利用扩散模型在生成图···

ovam 开源 免费 仅开源

用扩散模型生成精准的开放词汇语义分割图

ovam 是 CVPR 2024 论文的开源实现，旨在解决扩散模型在语义分割任务中应用时注意力图不准确的问题···

traffic-monitor 开源 可打开

摄像头加雷达，边缘端自己算车流和车速

traffic-monitor 是一个面向道路场景的边缘端交通监测开源项目，核心思路是把机器学习目标检测与多···

GLiNER 开源 免费 仅开源

一句话描述实体类型，零样本提取任意实体，轻量高效。

GLiNER是一个通用且轻量的命名实体识别（NER）模型，旨在解决传统NER模型只能识别预定义实体类型、···

VoxPoser 开源 免费 仅开源

说句话，机器人就能干活，无需训练直接上手

VoxPoser 是一个将大语言模型（LLM）与机器人操作相结合的框架，旨在让机器人仅通过自然语言指令就···

groundingLMM 开源 免费 仅开源

让AI边聊边精准圈出图像中的每个物体

GLaMM（Grounding Large Multimodal Model）是CVPR 2024提出的首个能够将自然语言响应与对象分割掩···

SurgicalDINO 开源 免费 仅开源

用基础模型适配器，让内窥镜图像秒变深度图，助力手术导航。

SurgicalDINO 是一个针对内窥镜手术场景的深度估计开源模型，基于视觉基础模型 DINOv2 进行适配器学···

Flipped-VQA 开源 免费 仅开源

翻转问答顺序，让LLM更懂视频因果

Flipped-VQA 是一个面向视频问答（VideoQA）的推理框架，核心思想是让大型语言模型（LLM）作为时间···

PonderV2 开源 免费 仅开源

统一 3D 预训练范式，让模型从无标注数据中学会通用特征

PonderV2 是一个面向 3D 视觉基础模型的开源预训练框架，发表于 T-PAMI 2025。它提出一种通用的预训···

ArtEq 开源 免费 仅开源

让AI看懂没见过的姿势，人体重建更稳更准

ArtEq 是一个基于神经网络的 3D 人体姿态拟合工具，核心创新在于利用 articulated SE(3) 等变性，将···

EmerNeRF 开源 免费 仅开源

自监督分解动态场景，轻松重建三维世界

EmerNeRF 是一个基于 PyTorch 的神经辐射场（NeRF）实现，通过自监督学习将动态场景分解为静态背景···

Uni3D 开源 免费 仅开源

一个预训练模型搞定多种3D理解任务，零样本也能识别物体。

Uni3D 是北京智源人工智能研究院（BAAI）提出的一个3D视觉基础模型，旨在学习通用的3D物体表征，以···

comfyui_segment_anything 开源 免费 仅开源

在ComfyUI里用一句话，自动分割图像中任何物体

这是一个为ComfyUI设计的自定义节点插件，基于GroundingDino和SAM（Segment Anything Model）实现语···

YoloDotNet 开源 免费 仅开源

C# 里一站式跑 YOLO 五类视觉任务

YoloDotNet 是一个基于 C# 与 .NET 8.0 的计算机视觉推理库，目标是把 YOLO 系列模型在 .NET 生态中···

MaterialPalette 开源 免费 仅开源

一张照片，提取材质贴图，直接用于渲染和编辑。

MaterialPalette 是 CVPR 2024 的官方实现，旨在从单张真实世界图像中提取材质属性（包括反照率、法···

SLiMe 开源 免费 仅开源

一张示例图，让Stable Diffusion学会分割任意目标

SLiMe是一个基于Stable Diffusion的单样本图像分割工具，只需一张标注示例图像即可分割出目标对象，···

sd-webui-reactor-sfw 开源 免费 仅开源

在 Stable Diffusion 里一键换脸，安全无 NSFW，快速出图

sd-webui-reactor-sfw 是一个面向 Stable Diffusion WebUI 的快速人脸替换扩展，兼容 A1111、SD.Ne···

talk2bev 开源 免费 仅开源

让自动驾驶地图能听懂人话，直接问答周围环境

Talk2BEV 是一个面向自动驾驶场景的语言增强型鸟瞰图（BEV）地图开源项目，发表于 ICRA 2024。它解···