computer-vision 第 2 页
本站收录 377 个带「computer-vision」标签的 AI 开源项目（按 GitHub 星标从高到低，第 2 / 8 页）
sparrowsparrow 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、大语言模型和视觉大模型的能力。它解决的核心问题是让开发者能够轻★ 5,227
BallonsTranslatorBallonsTranslator 是一款深度学习辅助的漫画翻译工具，主要解决漫画本地化过程中人工成本高、流程繁琐的问题。它集成了从文字检测、识别、抹除到翻译、★ 5,222
AIGC-Interview-Book《三年面试五年模拟》是一份面向AIGC、LLM大模型、AI Agent算法工程师的面试准备资料集，由社区维护并持续更新。它系统整理了AI行业面试笔试中的核心知识★ 5,022
ml-roadml-road 是一个面向机器学习和智能体 AI 的学习资源与实践项目，旨在为开发者提供从基础到前沿的系统化学习路径。项目整合了深度学习、计算机视觉、自然语言处★ 4,968
PyTorch-Tutorial-2nd《PyTorch实用教程》（第二版）是一份面向深度学习工程师的开源教程，以Jupyter Notebook形式呈现。它系统覆盖了从PyTorch基础语法、张量操★ 4,630
obs-backgroundremovalobs-backgroundremoval 是一个 OBS Studio 插件，用于在直播或录制视频时实时移除人像背景，方便主播和内容创作者无需绿幕即可替换或虚★ 4,624
VLMEvalKitVLMEvalKit 是一个开源的大语言多模态模型（LMMs）评估工具包，旨在解决多模态模型评测标准不统一、评测流程繁琐的问题。它支持 220 多个主流 LMM★ 4,448
torchgeoTorchGeo 是微软开源的面向地理空间数据的 PyTorch 扩展库，为遥感、卫星影像和地球观测任务提供标准化的数据集、采样器、数据增强变换与预训练模型。它★ 4,208
semantic-routersemantic-router 是一个基于语义向量进行快速决策的 Python 库，它利用多模态数据的语义信息来替代传统基于关键词或规则的路由方式。核心解决的是★ 3,960
scenicScenic 是 Google 开源、基于 JAX 的计算机视觉研究库，目标是为视觉任务提供一套干净、模块化且高性能的训练与推理框架。它解决的是研究代码重复造轮★ 3,844
awesome-industrial-anomaly-detection这是一个持续更新的工业图像异常/缺陷检测论文与数据集检索库，汇集了该领域从经典到前沿的学术资源。项目按任务类型（如异常检测、异常分割、缺陷分类）和数据集（如MV★ 3,831
geo-sleuthgeo-sleuth 是一个面向 AI 智能体的照片地理位置推断技能包，目标是回答「这张照片拍在哪里」。它把多种开源地理数据源组合成一条可解释的推理链：先用 O★ 3,558
AliceVisionAliceVision 是一套开源的 3D 计算机视觉框架，用 C++ 编写，核心目标是从多视角照片自动重建三维场景。它把摄影测量流程拆解成可组合的模块，覆盖特★ 3,517
anylabelingAnyLabeling 是一款开源的 AI 辅助数据标注工具，目标是让图像标注从纯手工变成半自动甚至自动。它把 YOLO 系列目标检测模型与 Segment A★ 3,495
towheeTowhee 是一个专注于神经数据处理的 Python 框架，旨在让构建和运行 AI 驱动的数据管道变得简单高效。它解决的是从原始数据（文本、图像、音视频等）到★ 3,450
catalystCatalyst 是一个面向深度学习研究与开发的 Python 框架，旨在加速从实验设计到模型部署的全流程。它解决了深度学习项目中代码重复、实验管理混乱、复现困★ 3,388
ComputeLibraryComputeLibrary 是 Arm 官方开源的高性能计算库，用 C++ 编写，面向计算机视觉与机器学习场景，针对 Arm CPU 和 GPU 做了深度优化★ 3,196
DeepCameraDeepCamera 是一个开源的 AI 摄像头技能平台，定位为智能 NVR 和闭路监控系统。它解决传统监控只能录像、无法理解视频内容的问题，通过本地 VLM（★ 3,103
pythoncode-tutorialspythoncode-tutorials 是 The Python Code 网站配套的开源教程仓库，以 Jupyter Notebook 为主要载体，收录大量★ 3,000
comic-translatecomic-translate 是一个开源的 AI 漫画与图像翻译工具，支持浏览器扩展和桌面应用，可自动翻译漫画、韩漫、日漫、欧美漫画等多种图像格式（如图片、P★ 2,978
MaaNTEMaaNTE 是基于 MaaFramework 打造的《异环》（Neverness to Everness）游戏自动化助手，用 Python 编写，核心思路是通★ 2,837
autodistillAutodistill 是一个面向计算机视觉的自动化标注与训练工具，旨在解决监督学习依赖大量人工标注的问题。它利用基础模型（如 GPT-4V、CLIP、Grou★ 2,792
CV-CUDACV-CUDA 是字节跳动与英伟达联合开源、面向云规模图像处理与计算机视觉的 GPU 加速库。它针对传统 OpenCV 在 CPU 上处理高并发视频流时吞吐不足★ 2,731
stitchingstitching 是一个基于 Python 的图像拼接工具包，底层依赖 OpenCV，目标是让全景图生成变得又快又稳。它把特征检测、匹配、单应性估计、图像融合★ 2,635
contrastive-unpaired-translationCUT（Contrastive Unpaired Translation）是一个基于对比学习的无配对图像到图像翻译框架，由Taesung Park等人于ECCV★ 2,560
img2img-turboimg2img-turbo 是一个基于 Stable Diffusion Turbo 的单步图像到图像转换工具，旨在解决传统图像编辑需要多步迭代、耗时较长的问题★ 2,487
inferenceinference 是一个将任何计算机或边缘设备转变为计算机视觉项目指挥中心的开源工具。它解决了视觉模型从开发到生产部署的复杂性问题，提供统一的推理 API，支★ 2,478
3dgrut3dgrut 是 NVIDIA 开源的高斯粒子渲染框架，核心是把 3D Gaussian Splatting（3DGS）与光线追踪、混合光栅化结合，解决传统 3★ 2,463
emgucvEmgu CV 是 OpenCV 图像处理库的跨平台 .NET 封装，让 C#、VB.NET、F# 等 .NET 开发者无需编写 C++ 代码，即可直接调用 O★ 2,300
Awesome-World-ModelAwesome-World-Model 是一个面向自动驾驶（并延伸至机器人等领域）的世界模型论文与资源合集。它把散落在 arXiv、会议和工程博客里的世界模型相★ 2,285
MATLAB-Simulink-Challenge-Project-Hub这是 MathWorks 官方维护的 MATLAB/Simulink 挑战项目库，汇集了面向学生、教师和自学者的研究设计与工程实践课题清单。它解决的核心问题是：★ 2,228
tapnetTapNet 是 DeepMind 开源的「追踪任意点」（Tracking Any Point, TAP）基准与算法实现，目标是在视频中持续追踪用户指定的任意像★ 2,227
unrealcvUnrealCV 是一个将计算机视觉与虚幻引擎（UE4/UE5）连接起来的开源工具，旨在为视觉研究提供高保真的虚拟世界数据生成平台。它解决了真实数据采集成本高、★ 2,226
ISAT_with_segment_anythingISAT_with_segment_anything 是一款基于 Segment Anything 系列模型的交互式半自动图像标注工具，用 Python 编写。★ 2,194
mrptMRPT（Mobile Robot Programming Toolkit）是一套面向移动机器人与自动驾驶的 C++ 开源工具库，提供从底层数据结构到完整算法模★ 2,169
unifaceUniFace 是一个面向 Python 的统一人脸分析库，把检测、对齐、关键点、face-mesh、识别、解析、视线估计、属性识别和反欺诈等常见人脸任务收敛到★ 2,139
Anime2SketchAnime2Sketch 是一个专门从动漫/插画图像中提取线稿的开源工具。它基于生成对抗网络（GAN）和深度学习技术，能够自动将彩色动漫图片转换为干净、清晰的线★ 2,137
alpamayoalpamayo 是 NVIDIA 开源的 10B 参数推理型 VLA（视觉-语言-动作）模型，专为自动驾驶设计。它把驾驶轨迹预测与 Chain-of-Caus★ 2,049
BB 是一个用 Python 构建的自主上下文感知 AI 桌面伴侣。它通过实时屏幕视觉、自定义 ONNX 语音合成、活动窗口跟踪和带反应式面部表情的动态浮动 UI★ 2,046
Awesome-FLAwesome-FL 是一个面向联邦学习（Federated Learning）领域的综合性学术资源清单，系统整理了该方向的重要论文、开源框架、常用数据集、教程★ 2,021
cambrianCambrian-1 是一个以视觉为中心设计的开源多模态大语言模型（MLLM）家族。它解决的是当前多模态模型在视觉感知能力上受限的问题，强调通过视觉中心的设计来★ 2,011
ml-cvnetsCVNets 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、分割等任务的训练流程统一到一套可复用的框架里。它解决的核心问题是：视★ 1,995
video-search-and-summarization这是NVIDIA推出的视频搜索与摘要参考架构（VSS Blueprint），旨在帮助开发者快速构建GPU加速的视频分析智能体。它解决了传统视频分析中检索效率低、★ 1,936
ocrsocrs 是一个用 Rust 编写的 OCR 库和命令行工具，目标是从图片中提取文字。它把机器学习模型推理封装成易用的 Rust API，同时提供 CLI 方便★ 1,905
Make-It-3DMake-It-3D 是 ICCV 2023 收录的论文官方实现，旨在从单张 2D 图像生成高质量、高保真的 3D 模型。它解决了传统 3D 内容创建依赖多视角★ 1,898
TensorRT-YOLOTensorRT-YOLO 是一个面向 NVIDIA GPU 的 YOLO 系列模型部署工具包，旨在让 YOLO 的推理部署更简单、更快速。它基于 Tensor★ 1,893
ReCamMasterReCamMaster 是一个基于单段视频的相机控制生成式渲染工具，核心解决视频重渲染中相机视角无法自由控制的问题。它利用 4D 场景表示和生成式模型，从输入视★ 1,887
cosmo-edgecosmo-edge 是一个面向生产环境的 C++ 边缘 AI 推理引擎，专注视频分析与端侧视觉语言模型（VLM）部署。它解决的核心问题是：边缘设备芯片平台碎片★ 1,865
spirula-studiospirula-studio 是一个跨厂商的 3D Gaussian Splatting 训练工具，目标是把视频一路处理成 splat 再到网格模型。它解决的核★ 1,788
react-native-executorchreact-native-executorch 是一个将 Meta 的 ExecuTorch 推理引擎封装为 React Native 原生模块的开源库，让开发★ 1,768