计算机视觉

Awesome-CVPR2024-Low-Level-Vision 开源

按任务分类整理CVPR底层视觉论文和代码，找前沿成果快人一步

这是一个CVPR顶会论文合集项目，专门收集CVPR 2024/2023/2022中关于底层视觉（Low-Level Vision）方···

kornia-rs 开源

用 Rust 写高性能视觉算子，还能被 Python 直接调用

kornia-rs 是用 Rust 编写的底层 3D 计算机视觉库，定位为 Kornia 生态的 Rust 实现。它解决的核心···

Dual-task-Pose-Transformer-Network 开源

上传人物照片和姿态，一键生成自然摆姿的新图像

Dual-task-Pose-Transformer-Network 是一个用于姿态引导的人物图像生成模型，发表于 CVPR 2022。它···

BEVT 开源

用图像预训练加速视频 Transformer，省数据省算力

BEVT 是 CVPR 2022 论文《BEVT: BERT Pretraining of Video Transformers》的官方 PyTorch 实现。它···

scribeocr 开源

浏览器里对照原图改 OCR，扫描件变可编辑文档

ScribeOCR 是一个基于浏览器的 OCR 文字识别与校对工具，目标是把扫描图片、PDF 或已有 OCR 结果变···

awesome-yolo-object-detection 开源

一份清单，快速找到你想要的 YOLO 模型和数据集。

awesome-yolo-object-detection 是一个精选 YOLO 目标检测系列开源项目和数据集的资源合集。它系统···

hcaptcha-challenger 开源

用大模型轻松过 hCaptcha，自动化不再被卡脖子

hcaptcha-challenger 是一个利用多模态大语言模型（如 GPT-4V、Gemini、CLIP）自动解决 hCaptcha 验···

paperless-ngx 开源

扫描即归档，自动识别分类，让纸质文件变可搜索数字库

paperless-ngx 是一个社区驱动的增强型文档管理系统，旨在帮助个人和小团队摆脱纸质文件堆积的困扰···

QMUPD 开源

无需配对数据，自动生成高质量人像线条画

QMUPD 是一个基于生成对抗网络（GAN）的开源项目，用于从非成对训练数据中生成高质量的人像线条画。···

sparrow 开源

从文档和图片中一键提取结构化数据，驱动自动化流程。

sparrow 是一个专注于结构化数据提取、指令调用和智能体工作流的开源框架，结合了传统机器学习、大···

awesome-camouflaged-object-detection 开源

伪装目标检测论文、数据集与代码一站合集

这是一个聚焦伪装/隐蔽目标检测（Camouflaged Object Detection, COD）的精选资源合集，系统整理了···

eSearch-OCR 开源

npm 装完就能在 JS 里跑 PaddleOCR 取字。

eSearch-OCR 是一个基于 PaddleOCR 的 JavaScript/TypeScript OCR 库，目标是在 Node.js 与浏览器环···

deepdoctection 开源

一行代码搭建文档解析流水线，快速提取版面、表格与文本。

deepdoctection 是一个面向文档 AI 的 Python 工具库，旨在帮助开发者从 PDF、扫描件等非结构化文档···

NED 开源

一句话驱动视频人脸表情编辑，影视级效果轻松实现

NED是CVPR 2022提出的视频人脸表情编辑工具，基于PyTorch实现。它解决的是视频中演员面部情绪的精准···

Thin-Plate-Spline-Motion-Model 开源

一张图+驱动视频，生成自然流畅的动态形象

Thin-Plate-Spline-Motion-Model 是一个基于 CVPR 2022 论文的图像动画开源项目，核心解决从单张静···

MapReader 开源

批量识别历史地图要素，自动定位到地理坐标

MapReader 是英国国家档案馆等机构合作开发的开源计算机视觉流水线，专为大规模地图图像的分析与探···

IDEAS 开源

无需嵌入的隐写术，用解纠缠自编码器隐藏图像

IDEAS 是 CVPR 2022 论文《Image Disentanglement Autoencoder for Steganography without Embeddi···

RGBT-Perception-Papers 开源

一页汇总RGB-T三大任务论文，快速入门多模态感知

RGBT-Perception-Papers 是一个面向 RGB-T（可见光-热红外）多模态感知领域的论文与资源汇总仓库，···

ORSI-HRSI-SOD_Summary 开源

遥感图像显著目标检测论文清单，一页看懂研究脉络

这是一个面向光学遥感图像显著目标检测（ORSI-HRSI-SOD）的论文与资源汇总清单，系统整理了基于深度···

isaac_ros_image_segmentation 开源

在 Jetson 上用 GPU 加速跑语义分割，实时又省心。

isaac_ros_image_segmentation 是 NVIDIA 推出的 ROS2 语义分割加速包，基于 TensorRT 和 GPU 推理···

camera.ui 开源

本地跑 AI 监控，摄像头秒变智能 NVR

camera.ui 是一个面向专业视频监控场景的本地优先开源平台，用 TypeScript 编写。它把分散的 IP 摄···

ml-cvnets 开源

一套代码训练分类检测分割视觉模型

CVNets 是苹果开源的计算机视觉训练库，基于 PyTorch 构建，目标是把分类、检测、分割等任务的训练···

ScanNow 开源

打开即扫，秒出高清扫描件，隐私本地处理。

ScanNow 是一款面向 iOS 设备的快速文档扫描应用，旨在简化纸质文档的数字化流程。它利用 VisionKi···

eSearch 开源

截屏即识别，离线翻译搜索一步到位

eSearch 是一款基于 Electron 和 TypeScript 开发的跨平台截屏与 OCR 工具，支持 Windows、Linux 和···