computer-vision 第 6 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 6 / 8 页）
world-in-worldworld-in-world 是一个基于闭环世界模型（Closed-Loop World Models）的视频生成开源项目，核心论文发表于 ICLR'26 并获★ 211
noai-watermarknoai-watermark 是一个开源的 Python 命令行工具，用于移除图像中的隐形 AI 水印（如 SynthID、StableSignature、Tr★ 210
Matlab-GANMatlab-GAN 是一个基于 MATLAB 实现多种生成对抗网络（GAN）的开源项目，涵盖从基础 GAN 到 Pixel2Pixel、CycleGAN 等经★ 209
BCIBCI 是一个基于 Pyramid Pix2pix 的乳腺癌免疫组化（IHC）图像生成工具，旨在通过生成对抗网络（GAN）将 H&E 染色的病理图像转换为对应的★ 205
practical-computer-vision这是一个面向计算机视觉学习者的实战训练营开源项目，以 Jupyter Notebook 为主要载体，配套测验与视频讲解。它解决的是传统 CV 教程偏理论、代码零★ 205
Data-science-ML-and-DL-Resources这是一个面向机器学习、深度学习和数据科学学习者的免费资源集合仓库。它系统地整理了笔记、课程、视频、项目、文章和代码仓库链接，覆盖了从Python、SQL基础到C★ 200
HugsVisionHugsVision 是一个基于 Hugging Face 生态的计算机视觉工具包装库，旨在让开发者用极简的代码调用最新的视觉模型。它解决了传统视觉任务中模型集★ 199
GammaCVGammaCV 是一个面向浏览器环境的 WebGL 加速计算机视觉库，使用 JavaScript 编写。它把图像处理与特征提取等常见 CV 操作搬到 GPU 上★ 195
DistanceGANDistanceGAN 是论文《One-Sided Unsupervised Domain Mapping》（NIPS 2017）的 PyTorch 实现，用于★ 194
scene_generation这是一个基于PyTorch的交互式场景生成模型实现，对应ICCV 2019论文《Specifying Object Attributes and Relatio★ 193
Paint-by-SketchPaint-by-Sketch 是一个基于 Stable Diffusion 的图像编辑方法，用户提供一张草图和一个参考图像，模型将参考图像的内容（如颜色、纹理★ 183
ML-news-of-the-week这是一个每周更新的机器学习与人工智能新闻精选集，旨在帮助从业者和爱好者高效获取领域内的重要动态。项目将分散在网络各处的优质内容（包括最新研究论文、行业新闻、实用★ 183
react-mindee-jsreact-mindee-js 是 Mindee 推出的前端计算机视觉 SDK，专为 React 应用设计。它把原本需要后端处理的图像识别能力搬到浏览器端，让开★ 183
DCLGANDCLGAN 是一个基于 PyTorch 的无监督图像到图像翻译框架，源自 CVPRW 2021 论文《Dual Contrastive Learning fo★ 179
GestureGANGestureGAN 是一个基于生成对抗网络（GAN）的手势到手势转换工具，发表于 ACM MM 2018（Oral）。它解决的是在自然场景（非受控环境）中，如★ 176
lucidalucida 是一个基于 BiRefNet 微调的图像抠图工具，专注于处理传统背景移除方法容易失败的复杂场景，如玻璃、迷彩、文字、发光物体和线条艺术。它利用高精★ 174
custom-diffusion360CustomDiffusion360 是一个基于 Stable Diffusion 的文本生成图像定制化扩展项目，核心解决现有定制化模型（如 DreamBoot★ 173
Synthesize3DviaDepthOrSil这是一个2017年CVPR论文的开源实现，用于通过多视图深度图或轮廓图来生成和重建3D形状。项目核心是训练一个生成对抗网络（GAN）和变分自编码器（VAE）模型★ 171
weightslabweightslab 是一个面向 AI 工程师的数据处理基础设施，专注于处理真实世界中杂乱的数据，包括图像、视频和 LiDAR 点云。它解决了 AI 项目在数据★ 168
PaDTPaDT 是一个面向多模态大语言模型（MLLM）的统一视觉任务框架，其核心思想是将图像分割为可解码的视觉 token（Patch-as-Decodable-To★ 166
cerulCerul 是一个面向 AI 产品的视频记忆基础设施，为开发者提供 SDK、CLI、MCP 及多种集成方式，帮助 AI 应用理解和利用视频内容。它解决的是 AI★ 164
locate-anythinglocate-anything 是一个为 NVIDIA LocateAnything-3B 模型打造的轻量级 Web 界面，通过一条 docker compos★ 164
awesome-ai-services这是一个汇总AI即服务（AI-as-a-Service）领域资源与工具的精选列表项目。它系统梳理了当前市场上各类AI服务，覆盖计算机视觉、人脸识别、实体识别、关★ 162
instant-nvrinstant-nvr 是 CVPR 2023 的官方代码实现，专注于在几分钟内学习动态人体的神经体积表示。它解决了传统动态人体重建方法训练时间长、计算资源消耗★ 162
AnomagicAnomagic 是一个面向工业异常检测的零样本异常图像生成框架，对应 AAAI 2026 论文的官方实现。它解决的是工业场景中异常样本稀缺、难以收集的问题，通★ 161
PromptGallery-stable-diffusion-webuiPromptGallery-stable-diffusion-webui 是一个为 Stable Diffusion WebUI 设计的提示词图库扩展，旨在解决★ 161
babylogbabylog 是一个面向机器学习团队的轻量级日志工具，专门用于在生产环境中记录图像和模型预测结果。它解决了 ML 系统在部署后缺乏可观测性的问题，帮助团队监控★ 154
InfiGUI-G1InfiGUI-G1 是一个针对图形用户界面（GUI）智能体的强化学习训练框架，旨在解决 GUI 智能体在语义对齐上的瓶颈问题。它提出了自适应探索策略优化（AE★ 152
MapReaderMapReader 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索而设计。它将深度学习模型（基于 PyTorch）与地理空★ 150
LiveWorldLiveWorld 是 ECCV 2026 论文的官方实现，旨在解决生成式视频世界模型中“视野外动态”的模拟问题。传统视频生成模型只能基于可见帧进行预测，而 L★ 147
faster_coco_evalfaster_coco_eval 是已废弃项目 fast-coco-eval 的延续维护版本，用 Python 重写并加速了 COCO 数据集的目标检测/实例分★ 147
Mamba-in-Computer-Vision这是一个关于Mamba模型在计算机视觉领域应用的综合性综述项目，系统梳理了Mamba（状态空间模型）在视觉任务中的技术进展与应用场景。Mamba是一种新兴的序列★ 144
MuscleMapMuscleMap 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、代谢疾病等研究中缺乏标准化、可重复的全身肌肉影像分析工具的问★ 144
ConffusionConffusion 是论文《Conffusion: Confidence Intervals for Diffusion Models》的官方实现，旨在为扩散★ 143
pyxuPyxu是一个专注于计算成像的Python开源库，旨在提供模块化、可扩展的成像算法开发框架。它解决的是传统成像算法实现中代码复用性差、难以扩展到大规模数据或GP★ 142
ppu-paddle-ocrppu-paddle-ocr 是一个用 TypeScript 重写的 PaddleOCR 轻量级 SDK，目标是在任何能运行 JavaScript 的环境里做多★ 142
OneShotTranslationOneShotTranslation 是论文《One-Shot Unsupervised Cross Domain Translation》（NIPS 2018★ 141
ZeroShapeZeroShape是一个基于回归的零样本三维形状重建项目，旨在从单张图像直接恢复物体的三维几何结构。它解决了传统三维重建方法依赖大量标注数据、泛化能力差的问题，★ 141
articles-codearticles-code 是一个解码机器学习文章的中心，提供带有代码的实战文章，专注于生产级机器学习。该项目以 Jupyter Notebook 为主要载体，★ 141
Ground-A-VideoGround-A-Video 是一个基于扩散模型的零样本视频编辑工具，来自 ICLR 2024 论文。它解决了传统视频编辑需要逐帧处理、难以保持时空一致性的痛点★ 140
TokenComposeTokenCompose 是一个基于扩散模型的文本到图像生成方法，核心创新在于引入 token 级别的监督信号，以解决多物体组合生成中常见的问题，如物体遗漏、属★ 138
simple-diffusionsimple-diffusion 是一个用 PyTorch 实现的最小化去噪扩散模型，旨在以极简代码展示扩散模型的核心原理。它解决了初学者理解扩散模型门槛高的问★ 137
ASHASH 是 CVPR 2024 论文《Ash: Animatable Gaussian Splats for Efficient and Photoreal H★ 137
awesome-artificial-intelligence-research这是一个面向 AI 研究者的精选资源清单（Awesome List），系统整理了人工智能各子领域的前沿论文、工具、数据集与学习资料，覆盖推荐系统、计算机视觉、机★ 133
ExprGANExprGAN 是一个基于 TensorFlow 实现的面部表情编辑开源项目，核心创新在于可控的表情强度编辑。它解决了传统 GAN 只能生成固定表情、无法精细控★ 126
awesome-ai-tutorials这是一个精选AI教程的集合仓库，旨在帮助学习者系统掌握数据科学和人工智能的核心技能。项目将分散在网络上的高质量教程、课程和资源进行整理归类，覆盖机器学习、深度学★ 124
albucorealbucore 是 Albumentations 团队拆分出的底层图像处理库，用 OpenCV、NumPy、SimSIMD 等实现高性能基础算子，供 Albu★ 123
wechat-mac-rpawechat-mac-rpa 是一个面向 macOS 微信客户端的视觉 RPA 自动化框架，核心思路是用多模态视觉感知代替传统控件抓取，再叠加 LLM Agen★ 122
NAFNAF（Neighborhood Attention Filtering）是一个用于零样本特征上采样的开源模型实现，由微软研究院和威斯康星大学麦迪逊分校的研究者★ 120
ai-image-clean-eraserai-image-clean-eraser 是一个基于浏览器的 AI 图像文字擦除工具，主打 2026 年式的自动检测与手动精修双模式。它要解决的问题很直接：日★ 120