computer-vision 第 5 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 5 / 8 页）
HyperSIGMAHyperSIGMA 是发表在 TPAMI'25 上的高光谱智能理解基础模型官方实现。高光谱图像包含数十至数百个连续光谱波段，传统方法难以有效处理其高维性和冗余★ 392
SwapNetSwapNet 是一个基于深度学习的虚拟试衣开源项目，实现了 Raj 等人 2018 年提出的 SwapNet 算法，并提供了 PyTorch 复现版本，同时支★ 389
vision_tutorialvision_tutorial 是一个面向计算机视觉入门与 RoboMaster 算法组培训的开源教程项目。它把图像处理、深度学习与机器人视觉的常见知识点整理成★ 387
Deep-Exemplar-based-Video-Colorization这是一个基于深度学习的视频上色工具，来自CVPR 2019论文。它利用参考图像（示例图）为灰度视频自动添加自然色彩，解决传统视频上色中颜色不一致、需要人工干预的★ 370
AL_YoloAL_Yolo 是一个基于 YOLOv5 的实时计算机视觉系统，专注于低延迟的视觉目标检测与跟踪。它把 YOLOv5 的检测能力与屏幕采集、鼠标控制等模块结合，★ 366
jarvis-ai-assistant这是一个用Python构建的语音激活AI助手，灵感来自钢铁侠的Jarvis。它通过语音识别和自然语言处理，让用户用说话的方式完成日常任务，比如查询天气、播放音乐★ 365
fashn-vton-1.5FASHN VTON v1.5 是一个基于扩散模型的虚拟试穿（Virtual Try-On）开源项目，专注于在像素空间实现无需掩码的高效服装迁移。它解决了传统虚★ 355
Awesome-3D-AIGC这是一个聚焦3D AIGC（人工智能生成内容）领域的精选资源列表，收录了相关论文和开源项目。它系统梳理了3D生成技术的最新进展，涵盖NeRF、3D高斯泼溅、神经★ 352
awesome-segment-anything-extensions这是一个精选列表，汇集了围绕 Meta 的 Segment Anything Model (SAM) 生态的各类扩展项目、工具和资源。它解决了 SAM 社区资源★ 349
AgMLAgML 是一个面向农业机器学习的集中式框架，旨在解决农业领域深度学习研究中数据分散、基准不统一、模型复用难的问题。它聚合了多个公开农业数据集，覆盖图像分类、目★ 349
home-generative-agent这是一个为 Home Assistant 打造的生成式 AI 智能体，旨在让用户通过自然语言与智能家居交互。它解决了传统自动化配置复杂、摄像头监控被动等问题，核★ 348
xview-yolov3xview-yolov3 是一个基于 YOLOv3 的遥感卫星图像目标检测项目，专为 xView 数据集和检测挑战赛设计。它解决了卫星图像中目标尺度小、背景复杂★ 348
Construction-Hazard-DetectionConstruction-Hazard-Detection 是一个面向建筑工地安全的开源计算机视觉项目。它基于 YOLO 目标检测模型，自动识别工人未佩戴安全帽★ 348
CoCosNet-v2CoCosNet-v2 是一个基于深度学习的图像翻译项目，专注于全分辨率对应关系学习。它解决的是图像到图像翻译中，当输入图像与参考图像存在大形变或视角差异时，如★ 347
GRID-playgroundGRID-playground 是一个面向通用机器人智能开发的开源平台，旨在为机器人领域的研究者和开发者提供统一的开发与测试环境。它解决了机器人开发中环境配置复★ 346
OASISOASIS是ICLR 2021论文的官方实现，提出了一种仅需对抗监督即可完成语义图像合成的新方法。传统方法依赖复杂的感知损失或特征匹配损失来训练生成器，而OAS★ 339
stable-pretrainingstable-pretraining 是一个用于预训练基础模型和世界模型的 Python 库，主打可靠、极简和可扩展。它主要解决深度学习研究中预训练流程复杂、复★ 333
holocronholocron 是一个基于 PyTorch 的计算机视觉技巧集合库，把近年论文中验证有效的模块、损失函数和训练优化器用统一接口实现，方便直接嵌入现有模型。它解★ 329
diffsegDiffSeg 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像时产生的注意力图，无需任何标注数据即可将★ 328
reacTIVisionreacTIVision 是一个用 C 编写的计算机视觉框架，专门用于构建实体交互界面（tangible interactive surfaces）。它通过摄像★ 328
nuphus-mcpnuphus-mcp 是一个基于 Rust 的桌面自动化 MCP 服务器，通过 Model Context Protocol (stdio) 为任意 AI 代理★ 326
komakoma 是一个可自托管的 AI 视频分析工具，面向需要批量处理长视频的团队或个人。它把视频拆解为可检索的结构化信息：自动生成内容摘要、按语义切分章节、抽取关键★ 304
komakoma 是一个可自托管的 AI 视频分析工具，用 TypeScript 编写。它解决的核心问题是：面对长视频或大量视频素材时，人工观看、记录和整理成本极高。k★ 304
flickr_scraperflickr_scraper 是一个基于 Python 的 Flickr 图片抓取工具，专门用于按关键词批量下载图片，快速构建计算机视觉数据集。它通过 Flic★ 301
hongbomiao.comhongbomiao.com 是一个个人研发实验室，旨在促进知识共享。它由 Python 驱动，结合了现代基础设施技术，构建了一个集研究、开发与知识传播于一体的★ 299
InterpAny-ClearerInterpAny-Clearer 是一个基于深度学习的视频帧插值（Video Frame Interpolation）与图像操作工具，专注于生成更清晰、更自然★ 296
gcdGCD（Generative Camera Dolly）是ECCV 2024 Oral的官方实现，专注于极端单目动态新视角合成。它解决的是从单个移动摄像头拍摄的★ 294
ai-hardware-engineer-roadmap这是一个面向 AI 硬件工程师的学习路线图开源项目，用 HTML 页面组织内容，目标是把 AI 推理、AI Agent 编排系统和硬件工程三条线串起来，最终能独★ 291
MaterialPaletteMaterialPalette 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、法线和粗糙度），并生成可编辑的材质贴图。它★ 285
100-AI-Machine-Learning-Deep-Learnin-Projects这是一个汇集了100个人工智能、机器学习和深度学习项目的精选仓库，覆盖计算机视觉、自然语言处理等多个方向。它主要解决学习者在寻找练手项目时资源零散、质量参差不齐★ 284
fineganFineGAN 是一个基于生成对抗网络（GAN）的细粒度图像生成与发现工具，由 IBM 研究院开发。它通过无监督的分层解耦学习，将图像生成过程分解为背景、父类别★ 281
diffusers-interpretDiffusers-Interpret 是一个面向 Hugging Face Diffusers 模型的可解释性工具库，旨在帮助开发者和研究者理解扩散模型生成图★ 277
SIFUSIFU是CVPR 2024 Highlight论文的官方实现，专注于从单张RGB图像重建穿着衣服的3D人体模型。它解决的是真实世界场景下，传统方法因遮挡、复杂★ 275
Awesome_MambaAwesome_Mamba 是一个关于状态空间模型（State Space Models, SSMs）在医学图像分析中应用的综合性综述项目，聚焦于计算高效时代的★ 270
VLM-AutoYOLOVLM-AutoYOLO 是一个面向目标检测的端到端自动标注与 YOLO 训练平台。它想解决的问题是：做目标检测时，人工画框标注图片和视频极其耗时，且标注完还要★ 267
voxelgptVoxelGPT 是一个基于大型语言模型的 AI 助手，专为计算机视觉领域设计。它能够查询视觉数据集、搜索 FiftyOne 文档，并回答通用的计算机视觉问题。★ 255
piccantepiccante 是一个用 C++ 编写的高动态范围（HDR）图像处理库，旨在为计算机视觉和图像处理领域提供一套完整的 HDR 工具链。它解决了 HDR 图像从★ 255
Echo-MemoryEcho-Memory 是一个用于视频世界模型研究的简单基线项目，核心思路是引入显式记忆机制来提升视频生成的时间连贯性与物理合理性。它解决的是当前视频生成模型在★ 250
Awesome-ICCV2025-ICCV2021-Low-Level-Vision这是一个汇总ICCV 2025和ICCV 2021低层视觉方向论文与代码的精选列表。低层视觉是计算机视觉中处理图像像素级任务的分支，包括图像去噪、去模糊、去雨、★ 249
hub这是一个已停运的Ultralytics HUB仓库，曾是Ultralytics推出的模型训练与管理平台，旨在简化YOLO系列模型的训练、部署和监控流程。用户可通★ 249
notebooks这是 Ultralytics 官方维护的 YOLO 系列教程笔记本合集，主要面向 Colab、Kaggle 和 SageMaker 等云端环境。项目解决的是用户★ 245
JAFARJAFAR是NeurIPS 2025收录的官方代码项目，核心解决深度学习模型中特征分辨率受限的问题。传统模型通常只能在固定分辨率下提取特征，而JAFAR允许在任★ 240
YOLO_ProjectsYOLO_Projects 是一个面向计算机视觉入门与快速落地的开源项目合集，内置 19 个可直接运行的实战项目，覆盖目标检测、多目标跟踪、关键帧分析等常见任务★ 234
Stable-Diffusion-Latent-Space-ExplorerStable-Diffusion-Latent-Space-Explorer 是一个基于 diffusers 库的 Stable Diffusion 实验工具箱★ 229
awesome-ai-safety这是一个精心整理的AI安全与质量领域的论文和技术文章列表，旨在为研究人员、工程师和政策制定者提供系统性的学习资源。项目解决了AI安全领域信息分散、难以快速入门的★ 226
machinevision-toolbox-pythonMachine Vision Toolbox for Python 是 Peter Corke 机器视觉工具箱的 Python 版本，旨在为 Python 用户★ 224
MIVisionXMIVisionX 是 AMD 推出的开源计算机视觉工具包，核心是符合 Khronos OpenVX 1.3.2 规范的高度优化实现。它主要解决在 AMD 硬件★ 218
voxel-flowvoxel-flow 是 ICCV 2017 Oral 论文的开源实现，提出用深度体素流（Deep Voxel Flow）进行视频帧合成，解决视频插帧、帧预测和★ 216
BiaPyBiaPy 是一个开源的 Python 库，旨在简化生物图像分析流程的构建。它基于深度学习，提供从数据预处理、模型训练到结果可视化的端到端解决方案。核心能力包括★ 215
compvcompv 是一个面向 ARM 和 x86 设备的开源计算机视觉库，主打极致性能，官方宣称在部分任务上比 OpenCV 快最多 50 倍。它用 C++ 编写，并★ 212