Awesome GitHub RepositoriesComputer Vision Research

This project is a collection of optional, community-contributed algorithms and specialized vision tools that extend the core OpenCV framework. It serves as a comprehensive library of extra modules for computer vision research, providing advanced toolsets for image processing, visual data analysis, and object detection. The library includes specialized frameworks for augmented reality tracking, biometric face recognition, and three-dimensional pose estimation. It provides distinct capabilities for identifying AR markers, tracking 3D object silhouettes, and performing neural network vulnerabili

This project is a modular PyTorch framework for training and evaluating object detection and instance segmentation models. It serves as a computer vision research tool and a deep learning inference engine designed to identify object locations, classes, and pixel-level masks within images. The framework implements a two-stage inference pipeline that utilizes region proposal networks and a symmetric mask-head architecture. It provides specialized capabilities for instance segmentation, object bounding box detection, and human pose estimation via anatomical keypoint detection. The system includ

UGATIT ist ein unüberwachtes generatives adversariales Netzwerk (GAN) und ein Modell zur Bild-zu-Bild-Übersetzung, das in TensorFlow implementiert ist. Es dient als offizielle Forschungsimplementierung eines ICLR 2020-Papers und bietet ein Framework zur Konvertierung von Bildern zwischen verschiedenen visuellen Stilen, ohne dass gepaarte Trainingsbeispiele erforderlich sind. Das System nutzt ein unüberwachtes generatives Aufmerksamkeitsnetzwerk und Attention-Maps, um geometrische Formen zu verformen und Texturen während des Übersetzungsprozesses zu modifizieren. Es verwendet ein zyklisch konsistentes Framework, um die Übersetzungsqualität sicherzustellen, indem es erfordert, dass Bilder nach bidirektionalen Domänenverschiebungen in ihren ursprünglichen Zustand zurückkehren. Die Codebasis deckt generatives adversariales Training und geometrische Bildtransformation ab und nutzt Multi-Scale-Diskriminator-Architekturen sowie adaptive Layer-Instance-Normalisierung, um die Synthesequalität zu verfeinern.

Deep Painterly Harmonization ist ein Deep-Learning-Bildharmonisierungstool und ein Framework für faltende neuronale Netze (CNN). Es wurde entwickelt, um den Prozess der Anpassung des visuellen Erscheinungsbildes eines Vordergrundobjekts an ein Hintergrundbild zu automatisieren, damit zusammengesetzte Bilder natürlich aussehen. Das System fungiert als Computer-Vision-Blending-Tool, das Farben und Beleuchtung eingefügter Objekte anpasst. Es stellt sicher, dass diese Elemente mit der globalen Beleuchtung und Farbpalette der Zielhintergrundumgebung übereinstimmen. Das Projekt deckt die digitale Bildkomposition und die Integration visueller Inhalte ab, indem es Farbunterschiede zwischen verschiedenen Bildebenen auflöst.

Gluon-CV ist eine MXNet-Computer-Vision-Bibliothek, die eine umfassende Sammlung vortrainierter Vision-Architekturen und Trainings-Pipelines bereitstellt. Sie dient als Deep-Learning-Research-Toolkit und Model-Zoo mit State-of-the-Art-Gewichten für die Bild- und Videoanalyse. Das Projekt enthält eine spezialisierte Bibliothek für Human-Pose-Estimation sowie ein Toolkit zur Modellkompression. Diese Tools ermöglichen das Pruning und die Quantisierung von Deep-Learning-Modellen, um die Inferenzgeschwindigkeit zu erhöhen und die Bereitstellung auf ressourcenbeschränkter Edge-Hardware zu erleichtern. Die Bibliothek deckt ein breites Spektrum an Vision-Funktionen ab, darunter Bildklassifizierung, Objekterkennung sowie semantische und Instanz-Segmentierung. Sie bietet zudem Tools für die Videoanalyse, wie Action-Recognition, Objekt-Tracking und monokulare Tiefenschätzung. Das Training wird durch automatisierte Pipelines und verteilte Multi-GPU-Workloads unterstützt, um die Modellkonvergenz zu beschleunigen.

Dieses Projekt ist eine Deep-Learning-Implementierung für Computer Vision, die sich auf die Wiederherstellung von Bildern bei schlechten Lichtverhältnissen spezialisiert hat. Es nutzt ein neuronales Netz, um rohe Sensordaten zu verarbeiten und unterbelichtete Bilder in gut belichtete Versionen umzuwandeln, um die Sichtbarkeit zu verbessern und natürliche Farben wiederherzustellen. Die Implementierung basiert auf der CVPR 2018-Forschung und verwendet TensorFlow zur Ausführung des Computational Graphs. Sie setzt ein Convolutional Neural Network und pixelweise Regression ein, um die Szenenbeleuchtung direkt aus unverarbeiteten Raw-Bilddaten zu rekonstruieren. Das Projekt enthält ein Framework für überwachtes Paar-Lernen (supervised pair learning), bei dem Modelle mit Datensätzen aus Low-Light-Bildern und den entsprechenden Ground-Truth-Zielen trainiert werden. Zudem bietet es Prozesse zur Messung der Modellgenauigkeit durch den Vergleich verarbeiteter Testdatensätze mit etablierten Benchmarks.

DenseNet is a computer vision model and convolutional neural network implementation designed for image recognition and classification tasks. It utilizes a densely connected network architecture where each layer is connected to every other layer to improve feature propagation. The implementation reduces the number of parameters while maintaining accuracy through a dense-connectivity pattern and layer-aggregation concatenation. It supports model construction using both standard and bottleneck-compressed architectures, with configurable network depth and growth rates to balance inference time an

This is an image segmentation framework and masking toolkit for constructing binary and multi-class neural network architectures. It serves as a deep learning encoder wrapper that integrates pre-trained convolutional neural network architectures into semantic segmentation models. The library enables the use of pre-trained backbones to isolate complex patterns and leverages transfer learning to accelerate training. It provides a collection of overlap-based loss functions and precision metrics specifically designed to evaluate and refine the accuracy of image masks. The toolkit covers the full

Dieses Projekt ist eine PyTorch-Implementierung einer Forschungsarchitektur für hochauflösendes Representation Learning. Es dient als Computer-Vision-Framework mit Fokus auf präziser Keypoint-Erkennung, menschlicher Pose-Schätzung und semantischer Bildsegmentierung. Die Implementierung bietet spezialisierte Tools zur Identifizierung anatomischer Orientierungspunkte am menschlichen Körper und zur Vorhersage von Gesichtskoordinaten für die Analyse von Ausrichtung und Position. Es nutzt ein System aus parallelen Streams mit mehreren Auflösungen und wiederholter Multi-Scale-Fusion, um hochauflösende Repräsentationen im gesamten Netzwerk beizubehalten. Das Framework deckt ein breites Spektrum an Computer-Vision-Aufgaben ab, darunter Objekterkennung, Bildklassifizierung und pixelgenaue semantische Segmentierung. Es enthält zudem Workflows für das Training von Modellen auf gelabelten Datensätzen und die quantitative Evaluierung der Genauigkeit vorhergesagter Gelenkpositionen anhand von Validierungsdaten.

FairMOT is a multi-object tracking framework and deep learning model designed to identify and track multiple entities across video frames. It implements a unified pipeline that integrates object detection and identity re-identification into a single-stage joint network. The system utilizes an anchor-free detection method to predict object centers and bounding box dimensions. It maintains identity consistency across consecutive frames by generating high-dimensional embedding vectors for re-identification and employing a Kalman filter for motion state prediction. The framework covers a broad r

Dieses Projekt ist ein Repository für akademische Lehrpläne und ein Bildungszentrum für das Studium von Wahrscheinlichkeit, Statistik und Machine Learning. Es dient als Kurs-Website für Deep Learning und als Knotenpunkt für Lehrmaterialien, die eine strukturierte Sammlung von Inhalten zur Vermittlung von neuronalen Netzwerkarchitekturen bereitstellen. Das Repository zeichnet sich dadurch aus, dass es eine umfassende Bildungsressource mit einem Archiv für Machine-Learning-Projekte kombiniert. Es bietet eine kuratierte Auswahl an Forschungsbeispielen und Implementierungsleitfäden für eine Vielzahl von Modellen, darunter Multilayer-Perzeptrone, Convolutional Networks und rekurrente Sequenzmodelle. Das Projekt deckt ein breites Spektrum an Fähigkeiten ab, einschließlich Computer-Vision-Forschung für Objekterkennung und Bildklassifizierung, die Implementierung von Sequence-to-Sequence-Modellierung und Optimierungstechniken für neuronale Netze. Es bietet zudem administrative Werkzeuge für das akademische Kursmanagement, wie z. B. die Verfolgung von Projektmeilensteinen und die Verteilung von Aufgaben. Die Lehrmaterialien werden durch eine Kombination aus interaktiven Notebooks, Vorlesungsfolien und Videoaufzeichnungen bereitgestellt.

This project is a computer vision pipeline and volumetric rendering system used to transform photos and videos into high-fidelity 3D models. It implements a deformable neural radiance field framework that optimizes deformation fields to represent non-rigid moving subjects in three dimensions. The system utilizes volumetric deformation fields to map 3D coordinates from a static canonical space to a deformed state. This allows for the reconstruction of photorealistic scenes and the synthesis of high-fidelity images from camera perspectives not present in the original input data. The framework

Vim is a state space model vision framework designed for image classification and visual representation learning. It functions as a computer vision research tool that converts two-dimensional image grids into one-dimensional sequences to extract spatial features. The system implements a linear-scaling image classifier that replaces quadratic attention mechanisms with state space operations. This approach utilizes bidirectional sequence modeling and selective gating mechanisms to process visual data. The framework covers computer vision benchmarking and image classification research, providin

Scenic is a research framework designed for the development and training of deep learning models, with a specific focus on computer vision and multimodal transformer architectures. It provides a comprehensive toolkit for defining neural network structures, managing large-scale data pipelines, and executing training workflows across distributed hardware environments. The framework is built upon a functional programming paradigm that utilizes hardware-agnostic tensor abstractions and just-in-time compilation to maximize computational efficiency. By employing modular layer composition, it allows

4DGaussians is a research library and neural rendering engine designed for reconstructing and rendering dynamic three-dimensional scenes. It represents moving environments as a collection of Gaussian primitives that evolve in position and appearance over a temporal dimension. The framework utilizes neural deformation fields to predict spatial offsets and rotations for static point representations, simulating complex motion over time. It further employs temporal basis decomposition to encode motion trajectories into learned functions, compressing dynamic scene data while maintaining smooth tra