Awesome GitHub RepositoriesImage Pair Matching

openMVG est une bibliothèque et un toolkit de vision par ordinateur dédiés à la géométrie multi-vues. Il sert de framework pour le structure-from-motion (SfM) et la reconstruction de scènes 3D, fournissant les outils nécessaires pour récupérer des nuages de points 3D et les poses de caméras à partir de collections d'images 2D. La bibliothèque implémente des pipelines de SfM globaux et incrémentaux. Elle utilise des algorithmes géométriques pour calculer l'estimation de pose de caméra et la localisation d'images, en employant l'ajustement de faisceau (bundle adjustment) de Levenberg-Marquardt pour affiner les coordonnées 3D et les paramètres de caméra en minimisant l'erreur de reprojection. Le projet couvre un large éventail de capacités de récupération spatiale, incluant l'extraction de caractéristiques d'image, la mise en correspondance de paires et la reconstruction 3D par triangulation. Il inclut également des systèmes pour organiser les données de reconstruction et exporter les informations de scène vers des outils de visualisation externes.

ArrayFire est un framework de calcul agnostique au matériel et un moteur de tenseurs compilé JIT conçu pour le calcul numérique haute performance. Il sert de bibliothèque de calcul numérique GPU et de toolkit de traitement du signal parallèle qui abstrait les backends matériels, permettant à la même base de code de s'exécuter sur diverses architectures GPU et CPU. Le projet se distingue par un moteur JIT qui utilise la compilation d'expressions pour fusionner les opérations et minimiser la surcharge mémoire. Il emploie un graphe d'exécution différée pour optimiser les chaînes de calcul et fournit des primitives d'interopérabilité pour partager des données et des contextes d'exécution avec des plateformes de calcul externes comme CUDA et OpenCL. La bibliothèque couvre un large éventail de capacités, incluant l'algèbre linéaire parallèle, le traitement du signal numérique et la vision par ordinateur accélérée. Elle fournit des outils pour l'implémentation de l'apprentissage automatique, la simulation de modélisation financière et la résolution d'équations aux dérivées partielles pour les simulations de systèmes physiques. Son système de gestion de tenseurs gère l'allocation de tableaux multidimensionnels, le découpage et les transferts de données hôte-périphérique.

Ce projet est une collection de modèles de réseaux de neurones et d'outils géométriques conçus pour la mise en correspondance de caractéristiques d'images, l'alignement spatial et la localisation visuelle. Il fournit un modèle de réseau de neurones pré-entraîné pour identifier des correspondances de haute précision entre des caractéristiques d'images éparses sans nécessiter d'entraînement local. Le système utilise un réseau de neurones sur graphes (GNN) qui emploie des mécanismes d'attention et de passage de messages pour apprendre les relations spatiales entre les points caractéristiques des images. Il intègre un estimateur de pose de caméra RANSAC pour filtrer les correspondances et calculer la transformation spatiale relative entre deux points de vue de caméra. La bibliothèque couvre un large éventail de capacités en vision par ordinateur, notamment les flux de travail de reconstruction 3D, la localisation visuelle et l'évaluation de la précision de la correspondance via des métriques de précision et d'erreur de pose. Elle inclut également des utilitaires pour visualiser les correspondances de points clés et exporter les résultats pour un traitement ultérieur.

OpenSfM is a computer vision library and structure-from-motion pipeline designed to reconstruct three-dimensional scenes and camera trajectories from overlapping images. It functions as a 3D reconstruction engine and photogrammetry toolkit, utilizing automated feature-based image matching and incremental bundle adjustment to derive spatial geometry. The system distinguishes itself as a geospatial alignment tool, integrating GPS and inertial sensor data to align reconstructed 3D models with real-world geographic coordinates. It employs a hybrid Python and C++ execution model to manage large-sc

This project is a web-based platform designed for benchmarking, visualizing, and evaluating computer vision algorithms focused on image feature extraction and matching. It provides a unified interface to compare the performance and accuracy of different models by processing image pairs or live video streams. The system distinguishes itself through a modular architecture that allows users to define custom processing pipelines and register external algorithms via configuration files. It incorporates geometric verification techniques to refine visual data and improve the precision of detected co