computer-vision 第 7 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 7 / 8 页）
J.A.R.V.I.SJ.A.R.V.I.S 是一个受钢铁侠启发的个人虚拟助手，用 Python 编写。它集成了自然语言处理、计算机视觉、人脸检测与识别、家庭自动化等技术，旨在通过语★ 117
Stable-Diffusion-SegStable-Diffusion-Seg 是 MICCAI 2024 论文的官方代码库，专注于利用 Stable Diffusion 模型进行生物医学图像分割。★ 117
FreeTrajFreeTraj 是一个无需微调（tuning-free）的轨迹可控视频生成方法。它解决了现有视频生成模型难以精确控制物体运动轨迹的问题，用户只需提供简单的轨迹★ 114
PerceptionMetricsPerceptionMetrics 是一个面向计算机视觉的评估工具包，旨在统一和简化目标检测与分割模型的评测流程。它解决的核心问题是：当研究者或工程师在不同传感★ 114
HiFi-InpaintHiFi-Inpaint 是一个基于扩散模型的图像修复工具，专门针对电商场景中的人像与商品融合需求。它解决的是传统修复模型在参考图引导下细节丢失、纹理模糊的问题★ 112
OakInk2OakInk2 是一个用于双手-物体操作研究的3D数据集，由 CVPR 2024 发布。它记录了人类在复杂任务完成过程中的双手和物体交互，包含精细的3D手部网格★ 112
UniMedVLUniMedVL 是一个面向医疗领域的统一视觉语言模型，旨在同时处理医学图像的理解与生成任务。它通过“观察-知识-分析”框架，将多模态理解（如图像分类、报告生成★ 111
mlops-hf-tf-vision-models这是一个专注于视觉模型MLOps的开源项目，基于Hugging Face Transformers和TensorFlow Extended (TFX)构建。它解★ 111
Human101Human101 是一个从单视角视频快速重建高保真 3D 数字人的开源项目，基于 3D Gaussian Splatting 技术，能在 100 秒内完成训练，★ 110
Awesome-AIGC-Research-Groups这是一个收录AIGC（人工智能生成内容）研究团队的精选列表，旨在帮助研究者、学生和从业者快速找到全球顶尖的AIGC实验室和团队。项目解决了AIGC领域信息分散、★ 108
InsightSolver-ColabInsightSolver-Colab 是一个专注于 AIOps（智能运维）的 Colab 笔记本集合，旨在通过深度学习、机器学习及相关模型，帮助用户探索和解决★ 105
3DEnhancer3DEnhancer 是一个基于多视图扩散模型的 3D 增强工具，旨在解决 3D 重建或生成结果质量不佳的问题。它利用 Stable Diffusion 的生成★ 104
upgptUPGPT 是一个基于扩散模型的通用人物图像生成框架，旨在解决人物图像生成、编辑和姿态迁移三大任务。它利用 SMPL 人体模型作为几何先验，结合 Stable ★ 104
VisCyVisCy 是一个面向单细胞表型分析的开源计算机视觉工具库，主要服务于生物图像分析场景。它把深度学习模型封装成可直接调用的组件，用于从显微图像中提取单细胞层面的★ 104
RCS-YOLORCS-YOLO 是 MICCAI 2023 论文的官方开源实现，面向脑肿瘤检测任务，在 YOLO 框架上提出 RCS-OSA 模块与通道注意力机制，兼顾检测速★ 101
SingleShapeGenSingleShapeGen 是 SIGGRAPH Asia 2022 论文《Learning to Generate 3D Shapes from a Sin★ 100
Speech2VideoSpeech2Video 是一个基于 ACCV 2020 论文的开源项目，旨在从单一音频输入生成具有3D骨架正则化和丰富身体姿态的说话人视频。它解决的核心问题是★ 100
meikiocrmeikiocr 是一个面向日语电子游戏场景的本地 OCR 工具，用 Python 编写，主打高速与高准确率。它解决的核心问题是：玩家在玩日文游戏时经常遇到没有★ 100
Awesome-AI-PapersAwesome-AI-Papers 是一个用于收集人工智能领域论文和对应代码的精选列表仓库。它旨在解决 AI 研究者、工程师和学生难以高效追踪前沿研究、找到论文★ 99
osamosam 是一个本地运行提示型视觉模型的工具，支持 SAM1、SAM2、SAM3、EfficientSAM、YOLO-World 等模型。它旨在简化这些模型的部★ 96
epipolar-dpoEpipolar-DPO 是一个用于提升视频生成模型几何一致性的开源项目，其核心思想是利用极线几何（Epipolar Geometry）作为约束，通过直接偏好优★ 95
Awesome-Crack-Detection这是一个关于深度学习裂缝检测的论文列表，系统整理了该领域的核心文献。项目按学习范式（如监督、半监督、无监督）、泛化能力和数据集三个维度对论文进行分类，旨在帮助研★ 95
inferoxyinferoxy 是一个用于快速部署和使用 Docker 化计算机视觉模型的服务。它解决了 AI 模型从训练到生产环境部署过程中面临的复杂性和高成本问题，提供了★ 95
CEB_ECONCEB_ECON 是一个基于 AI 的 Blender 插件，用于一键生成高质量 3D 角色。它整合了多个计算机视觉和图形学模型，从单张照片或简单输入中重建出完★ 93
CWRCWR 是一个基于对比学习的水下图像复原开源项目，对应 IGARSS 2021 口头报告论文。它解决水下图像因光吸收和散射导致的颜色失真、对比度低、细节模糊等问★ 92
ai-ml-roadmap这是一个面向2025年AI和机器学习初学者的学习路线图项目，旨在提供从基础到进阶的系统化学习路径。它解决了初学者面对海量AI/ML资源时不知从何入手、学习路径不★ 90
AODAAODA是论文《Adversarial Open Domain Adaptation for Sketch-to-Photo Synthesis》的官方实现，发★ 88
dreambooth-kerasdreambooth-keras 是一个基于 KerasCV 和 TensorFlow 的 DreamBooth 实现，旨在让开发者无需依赖 PyTorch 生★ 88
FoundADFoundAD 是 ICLR 2026 论文《Foundation Visual Encoders Are Secretly Few-Shot Anomaly ★ 88
DynamicVisDynamicVis 是一个面向遥感图像理解的高效通用视觉基础模型，基于论文实现。它解决遥感图像中目标多样、尺度差异大、场景复杂等问题，通过动态视觉感知机制提升★ 87
CtrlHairCtrlHair 是一个基于生成对抗网络（GAN）的可控发型编辑工具，来自 ECCV 2022 论文。它解决的是人脸图像中发型编辑难以精确控制的问题，允许用户通★ 84
StyleSVStyleSV 是一个基于 StyleGAN 的视频合成研究项目，发表于 ICLR 2023，核心目标是实现平滑的视频合成。它解决了传统 GAN 在生成视频时帧★ 84
CycleGAN_ssimCycleGAN_ssim 是一个基于 CycleGAN 的图像生成改进项目，核心目标是解决 CycleGAN 生成图像视觉质量不佳的问题。它通过对比多种相似度★ 83
LangCoopLangCoop 是一个面向自动驾驶场景的协作智能体框架，其核心是利用自然语言实现车辆间的协同驾驶。它解决了传统自动驾驶中车辆仅依赖传感器数据、缺乏高层语义交互★ 81
Free-Nano-Banana-Pro-API-Ultimate-AI-Image-Generator这是一个免费开源的AI图像生成API项目，基于Gemini 3.0 Pro（Nano Banana Pro）模型，提供图像生成、照片编辑和视觉创作能力。它解决了★ 81
MINDMIND 是一个用于评估世界模型记忆一致性和动作控制能力的开源基准测试平台，属于视频生成领域。它主要解决当前视频生成模型在长时程生成中出现的记忆漂移和动作控制不★ 81
h-edith-Edit 是一个基于扩散模型的图像编辑工具，核心创新在于引入 Doob 的 h-变换理论，将编辑过程建模为条件扩散过程，从而在保持图像结构的同时实现灵活、高★ 80
Seeed_Studio_CoursesSeeed_Studio_Courses 是 Seeed Studio 推出的边缘AI入门课程，基于Nvidia Jetson平台，旨在帮助开发者快速上手边缘A★ 78
gen2seggen2seg 是一个基于生成式模型（如 Stable Diffusion）实现通用实例分割的开源项目，对应 ICLR 2026 论文。它旨在解决传统分割模型依★ 77
EvoWorldEvoWorld 是一个基于显式 3D 记忆的渐进式全景世界生成框架，旨在解决长时程视频生成中场景一致性和记忆衰减问题。它通过将生成的世界状态编码为显式 3D ★ 76
fastapi_ml_stablediffusion这是一个将 Stable Diffusion 图像生成模型与 React 前端和 FastAPI 后端结合的演示项目。它解决了开发者快速搭建文本生成图像应用时前★ 75
aiml-companionAI-ML Companion 是一个交互式学习平台，旨在通过可视化方式帮助用户理解人工智能和机器学习。它包含22个学习轨道和300多个模块，提供实时可视化演示★ 72
awesome-deep-learning-resource这是一个个人维护的深度学习资源聚合仓库，主要面向大模型、Agent、多模态、NLP和CV方向的研究者与开发者。它包含三部分内容：一是作者阅读论文时的笔记，覆盖上★ 71
jarvisJarvis 是一个基于 Python 的 AI 语音助手，集成了人脸识别、热词唤醒和自动化控制能力。它通过 OpenCV 实现面部识别，能够识别用户身份并个性★ 70
computer-vision-challenge这是一个面向所有人的计算机视觉实战项目合集，基于Jupyter Notebook编写，涵盖CNN、图像分类、目标检测等经典算法。项目通过一系列可运行的代码示例和★ 70
VIEScoreVIEScore 是一个面向条件图像合成评估的可解释性指标框架，源自 ACL 2024 论文。它解决传统图像生成评估指标（如 FID、CLIP Score）黑盒★ 69
SeGANSeGAN 是一个基于生成对抗网络（GAN）的早期开源项目，旨在解决图像中不可见部分的语义分割与生成问题。其核心思路是通过对抗训练，让模型不仅能够识别图像中可见★ 68
VisualWebBenchVisualWebBench 是一个针对多模态大语言模型（MLLMs）在网页理解与定位（Grounding）任务上的评估框架，源自同名论文。它解决的核心问题是：★ 68
SPVDSPVD 是一个基于稀疏点体素扩散模型的高效可扩展点云生成框架。它针对现有扩散模型在大规模点云生成中计算开销大、内存占用高的问题，提出了一种结合点云与体素表征的★ 67
CVPR_2025_Oral_Paper_List这是一个精选的CVPR 2025 Oral论文清单，共收录96篇论文。它解决了计算机视觉领域研究者难以快速获取和筛选顶级会议Oral论文的问题，提供了一个集中、★ 67