YOLO-NAS开源项目 – 高性能目标检测模型

Dioptra是一个开源的数据策展和管理平台，旨在支持计算机视觉、自然语言处理和大型语言模型。它帮助用户策划有价值的未标记数据，注册元数据，诊断模型失效模式，并与标注和再训练系统整合。

一个高效的深度学习训练框架，旨在简化模型训练和优化过程，提供了多种预训练模型和工具，适用于计算机视觉任务。

Pluck是一个Chrome扩展，旨在帮助患有拔毛症的人意识到自己的拔毛习惯，并逐步走向康复。它利用计算机视觉技术检测潜在的拔毛行为，并为用户提供实时反馈。这种意识帮助用户理解触发因素，促进更好的习惯和个人成长。

Maintain-AI是一个自动化检测、分析和报告道路及相关基础设施性能的平台，利用AI技术检测路面缺陷，评估基础设施元素，并提供客观的网络检查。

Toronto Warehouse Incremental Change Dataset 是一个新发布的数据集，来源于清晰路径机器人仓库，旨在提供增量感知数据，支持机器人导航和环境理解的研究。

getEssential.app是一款AI驱动的工具，帮助开发者在Mac上排查错误信息。它利用计算机视觉和OpenAI的语言模型，理解屏幕内容并提供上下文特定的解决方案，同时具备总结工作的重要时刻、快速识别屏幕信息等多种功能。所有数据保留在用户的Mac上，确保安全性。

Sapiens是一系列专门针对人类的视觉基础模型，所有权重开放，提供各种尺寸的分割、深度和主题模型，旨在推动计算机视觉领域的发展。

ArcNerf是一个由多种尖端NeRF技术构成的框架，具备新视角渲染和对象提取等实用功能，支持高效模型训练和灵活架构设计。

GrUMoDepth 是一种通过梯度方法进行的不确定性估计，专注于单目深度估计，旨在提高深度估计的准确性和可靠性。

MultiPly是一个通过野外单目视频重建多人3D图像的项目，能够处理人物之间的遮挡和相互作用，使用先进的神经表征技术进行场景建模，并结合自监督的3D分割及可提示的2D分割模块，提供高效的人体姿势和形状优化。

multitrident 结合了 TridentNet 和 RefineDet 技术，能够在一次前向传播中同时检测不同尺度的目标。它通过高效的单一前向传播实现多尺度目标检测，适用于各种计算机视觉任务，并持续更新和改进。

PyTorch是一个开源的深度学习框架，广泛用于计算机视觉和自然语言处理等领域。

Transformers和相关的深度网络架构在此进行了总结和实现，涵盖了自然语言处理和计算机视觉等多个领域。

《机器人学、视觉与控制（第三版）》的Python代码实例库，提供第三版教科书中的算法实现，助力机器人与计算机视觉领域的学习和研究。该项目包含多种与机器人学和计算机视觉相关的算法实现，适合用于教学和实践相结合的学习方式。

Noisee AI 是一个尖端平台，旨在通过先进的 AI 算法生成高质量的数字噪声，适用于音频制作和数据增强等多个应用场景。它的用户友好界面和强大功能，使其成为专业人士和爱好者不可或缺的工具。