computer-vision 第 3 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 3 / 8 页）
lightly-trainlightly-train 是一个面向视觉模型的一体化训练框架，支持 YOLO、ViT、RT-DETR、DINOv3 等主流架构，覆盖预训练、微调和蒸馏全流程。★ 1,716
streamlit-webrtcstreamlit-webrtc 是一个让 Streamlit 应用直接处理实时音视频流的开源组件。Streamlit 本身擅长快速搭建数据应用，但原生不支持摄★ 1,712
Awesome-Interaction-Aware-Trajectory-Prediction这是一个聚焦交互感知轨迹预测（Interaction-Aware Trajectory Prediction）的精选资源合集，主要服务于自动驾驶、机器人导航与行★ 1,693
Sa2VASa2VA 是一个面向图像与视频分割任务的统一视觉语言模型代码库，由 Pixel-LLM 团队维护。它解决了传统分割模型难以理解自然语言指令并完成复杂时空分割的★ 1,688
symforceSymForce 是面向机器人、自动驾驶与 SLAM 场景的开源符号计算与非线性优化框架。它把符号表达式自动生成高效的 C++ 与 Python 代码，让开发者★ 1,649
pixeltablePixeltable 是一个面向 AI 数据应用的多模态数据后端，旨在统一管理图像、视频、文本等非结构化数据及其相关的元数据和 AI 模型输出。它解决了 AI ★ 1,639
amicaAmica 是一个开源的 3D 角色交互界面，旨在让用户通过语音与虚拟角色进行自然对话。它解决了传统聊天机器人缺乏沉浸感和多模态交互的问题，将语音识别、语音合成★ 1,616
glanceGlance 是一款面向 macOS 的开源人脸解锁工具，用 Mac 自带摄像头实现接近 iPhone Face ID 的解锁体验。它解决的问题很直接：Mac ★ 1,610
Semi-supervised-learning这是一个统一半监督学习代码库，对应 NeurIPS 2022 论文，旨在解决半监督学习领域算法实现分散、难以公平对比的问题。它把 FixMatch、FlexMa★ 1,591
DepthFlowDepthFlow 是一个把单张静态图片转成带 3D 视差效果的动态视频的开源工具。它先用深度估计模型为图片生成深度图，再根据深度信息对画面做分层位移与透视变换★ 1,561
OpenCVTutorialsOpenCVTutorials 是一份 OpenCV-Python 4.1 的中文文档项目，旨在为中文开发者提供系统、易懂的 OpenCV 学习资料。它解决了官★ 1,437
CVPR2024-Papers-with-Code-Demo这是一个CVPR 2024论文与代码的精选合集，旨在解决计算机视觉领域研究者难以快速获取最新成果和复现资源的问题。项目系统性地整理了CVPR 2024上发表的论★ 1,411
diffusiondbDiffusionDB 是一个大规模文本到图像提示词画廊数据集，基于 Stable Diffusion 构建。它收集了数百万条真实的用户生成提示词及对应的生成图★ 1,405
xtreme1Xtreme1 是一个面向多模态训练数据的一体化标注平台，支持 3D LiDAR 点云、2D 图像和大语言模型（LLM）数据的标注与处理。它解决的是 AI 团队★ 1,387
getigeti 是英特尔推出的计算机视觉模型训练平台，旨在用更少的数据和更短的时间构建高性能视觉模型。它解决了传统深度学习模型开发中数据标注成本高、训练周期长、调参复★ 1,358
awesome-vlm-architectures这是一个精心整理的视觉语言模型（VLM/MLLM）架构目录，收录了155+个相关模型，涵盖论文、架构图、训练配方、数据集以及发布时间线。项目以可视化的方式呈现多★ 1,339
prunaPruna 是一个面向开发者的模型优化框架，旨在以最小的工作量让 AI 模型运行得更快、更高效。它主要解决深度学习模型在推理阶段的性能瓶颈问题，通过组合多种优化★ 1,324
PyTorch-CycleGAN这是一个基于PyTorch的CycleGAN清洁可读实现，用于无配对图像到图像的转换。它解决了传统GAN需要成对训练数据的问题，通过循环一致性损失实现两个域之间★ 1,320
withoutbg-pythonwithoutbg-python 是 withoutbg 背景移除服务的官方 Python SDK，通过 pip install withoutbg 即可安装。★ 1,284
spotlightSpotlight 是一个基于 TypeScript 的开源交互式数据探索工具，专为处理非结构化数据集而设计。在机器学习和数据科学工作中，图像、音频、视频等非结★ 1,282
alpasimAlpaSim 是一个面向端到端自动驾驶策略研发与测试的开源仿真平台。它要解决的核心问题是：端到端自动驾驶模型（从传感器输入直接输出控制指令）在真实道路上训练和★ 1,272
ai-engineering-from-scratch-zh这是一个面向中文开发者的 AI 工程系统学习项目，把从零到精通 AI Agent 工程师所需的完整知识路径拆成 20 个阶段、503 节课，覆盖 Python ★ 1,259
Paint-by-ExamplePaint-by-Example 是一个基于扩散模型的图像编辑工具，通过给定示例图像，实现对输入图像的语义编辑，如替换物体、改变风格等。它解决了传统图像编辑需要★ 1,253
awesome-image-translation这是一个精选资源列表，汇集了图像到图像翻译（image-to-image translation）领域的优秀论文、代码和工具。图像翻译旨在将输入图像转换为目标风★ 1,243
zed-sdkzed-sdk 是 Stereolabs 为 ZED 立体相机推出的空间感知开发框架，用 C++ 编写，面向机器人与智能空间应用。它把深度相机采集、深度估计、3★ 1,242
cleanvisionCleanVision 是一个用于图像数据集质量检测的开源 Python 库，旨在自动发现图像数据中的各类问题，帮助数据科学家和机器学习工程师实践以数据为中心的★ 1,212
BoofCVBoofCV 是一个用纯 Java 编写的高性能计算机视觉库，主要面向机器人、移动端和嵌入式场景。它解决了 Java 生态中缺少可离线运行、无需本地依赖的视觉算★ 1,203
clean-fidclean-fid 是一个用于计算 FID（Frechet Inception Distance）分数的 PyTorch 工具库，由 CVPR 2022 论文提★ 1,171
ai-learning-roadmapsai-learning-roadmaps 是一个系统化的人工智能学习资源中心，旨在为从初学者到进阶者提供完整的学习路径。项目整合了 AI、机器学习、深度学习、数★ 1,127
Biodiversity这是微软 AI for Good 实验室的生物多样性研究枢纽仓库，集中托管面向生态保护的开源 AI 模型、边缘设备方案与工具链。它解决的核心问题是：野生动物保护★ 1,085
image-multiple-angles-3d-camera这是一个基于 Three.js 和 Gradio 构建的 3D 交互式图像生成工具，允许用户通过拖拽 3D 空间中的相机或调整滑块（方位角、仰角、距离）来自由控★ 1,012
awesome-chatgpt-code-interpreter-experiments这是一个精选资源列表，汇集了 ChatGPT 结合 Code Interpreter（代码解释器）功能的创意实验和实用案例。它解决了用户不知道如何充分利用代码解★ 1,011
Multi-Agent-Medical-AssistantMulti-Agent-Medical-Assistant 是一个基于生成式 AI 的多智能体医疗诊断与健康研究辅助聊天机器人，面向医疗专业人员、研究人员和患者★ 993
free-ai-resources-x这是一个精选的免费AI资源集合项目，收录了高质量的AI工具、API、数据集和学习资料，覆盖机器学习、深度学习、生成式AI、自然语言处理和数据分析等领域。项目旨在★ 943
unfake.jsunfake.js 是一个运行在浏览器中的图像修复工具，专门针对 AI 生成的像素画和矢量图进行后处理。AI 生成的图像往往带有模糊、噪点、边缘不齐等伪影，该项★ 933
vision_pilotvision_pilot 是一个免费且完全开源的 L2 级高级驾驶辅助系统（ADAS）软件栈，采用端到端人工智能技术驱动。它旨在为开发者、研究人员和汽车爱好者提★ 916
TexoTexo 是一个超轻量的 LaTeX 公式识别模型，参数量仅 20M，却能达到 SOTA 级别的识别精度。它主要解决数学公式 OCR 场景中模型过大、难以在浏览★ 909
libreyoloLibreYOLO 是一个采用 MIT 许可证的开源计算机视觉库，用 Python 编写，目标是为开发者提供自由、可商用的 YOLO 系列目标检测实现。它解决的★ 906
dsh-vision-toolkitdsh-vision-toolkit 是一个为纯文本大模型补上视觉能力的工具箱，以 DeepSeek Harness 插件形式提供。它解决的核心问题是：很多文本★ 899
computer-vision-course这是一个社区驱动的计算机视觉课程仓库，以 Jupyter Notebook 为主要载体，围绕神经网络在视觉任务中的应用展开。课程内容覆盖卷积神经网络、Trans★ 897
lightly-studioLightly Studio 是一个面向机器学习团队的数据管理平台，专注于数据整理、标注和版本管理。它解决的是机器学习项目中数据质量参差不齐、标注流程混乱、数据★ 896
mahotasmahotas 是一个基于 Python 和 C++ 的计算机视觉与图像处理库，核心目标是为 NumPy 数组提供高效、轻量的图像分析能力。它解决的是在科学计算★ 890
terratorchterratorch 是一个用于微调地理空间基础模型（GFMs）的 Python 工具包。它解决了遥感领域研究人员和开发者难以高效适配大型预训练模型到特定下游任★ 874
SavantSavant 是一个基于 Python 的计算机视觉与视频分析框架，构建在 NVIDIA DeepStream 和 CUDA 之上，目标是让开发者用声明式 YA★ 863
mammaMAMMA 是一个面向多人体运动捕捉的开源项目，主打无标记（markerless）且高精度的多人运动获取。它解决了传统光学动捕系统依赖昂贵标记点和专业设备、难以★ 839
4KAgent4KAgent 是一个基于智能体（Agent）的任意图像 4K 超分辨率开源项目，发表于 NeurIPS 2025。它解决传统超分模型对输入图像类型敏感、难以处★ 834
Awesome-Robotics-3DAwesome-Robotics-3D 是一个精选资源列表，专注于大模型（LLM/VLM）时代下机器人领域的 3D 视觉研究。它系统整理了相关论文、代码和网站，★ 826
caercaer 是一个面向计算机视觉研究的高性能 Python 库，旨在减少样板代码，让研究者专注于核心算法。它整合了图像处理、数据增强、模型训练与评估等常用功能，提★ 820
APDrawingGANAPDrawingGAN 是一个基于生成对抗网络（GAN）的开源项目，用于将人脸照片自动转换为艺术风格的人物肖像画（如素描、线条画）。该项目由 CVPR 201★ 811
Autoregressive-Models-in-Vision-Survey这是一份关于视觉自回归模型（AR models）的综述论文项目，发表于TMLR 2025。它系统梳理了自回归模型在计算机视觉领域的研究进展，涵盖图像生成、视频预★ 807