Proyectos open source sobre «computer-vision»

Una biblioteca de PyTorch que implementa métodos de mapas de activación de clases (CAM) para visualizar qué regiones de una imagen impulsan las predicciones de un modelo de visión artificial.

Implementación oficial en PyTorch de BiRefNet, un modelo de deep learning para la segmentación dicotómica de imágenes de alta resolución, usado habitualmente para eliminar fondos.

Ultralytics YOLOv5 es un kit de herramientas de visión artificial basado en PyTorch para detectar objetos, segmentar instancias y clasificar imágenes, con funciones de entrenamiento y exportación.

Aplicación de escritorio multiplataforma para etiquetar con ayuda de IA datos de texto, imágenes, video, nubes de puntos y datos multimodales, con modelos integrados y exportación a varios formatos.

Automatización web de código abierto que usa LLM y visión artificial para ejecutar flujos de trabajo en cualquier sitio y amplía Playwright con comandos de IA.

Framework de C++ con licencia LGPL-3.0 para crear herramientas de automatización y pruebas de caja negra basadas en reconocimiento de imágenes en Windows, Linux, macOS y Android.

Framework de superresolución de video por difusión en streaming y de un solo paso, pensado para el escalado en tiempo real, basado en Python y modelos Wan.

Toolkit de código abierto para optimizar e implementar modelos de deep learning para inferencia en CPU, GPU y NPU de Intel.

Herramienta C++ offline que elimina marcas de agua visibles de Gemini en imágenes mediante mezcla alfa inversa, con GUI, CLI y procesamiento por lotes.

Código de investigación de Apple que convierte una sola foto en una escena de Gaussianas 3D en menos de un segundo, lista para renderizar desde nuevos puntos de vista cercanos.

Sistema gratuito y de código abierto de captura de movimiento sin marcadores que graba video con varias cámaras y reconstruye el movimiento humano en 3D.

Kit de herramientas de código abierto en Rust para registrar, visualizar, consultar y transmitir datos multimodales de robótica y sensores a lo largo del tiempo.

NEO es una familia de modelos nativos de visión y lenguaje que procesan píxeles y palabras en una arquitectura densa sin encoder, e incluye código de entrenamiento y evaluación.

Base de conocimiento de videos autohospedada y local-first que transcribe y analiza los fotogramas de tus videos, genera embeddings y permite buscar escenas en lenguaje natural.

Aplicación web para ejecutar DeepSeek-OCR con imágenes y PDF, con frontend en React, backend en FastAPI y configuración de Docker.

Una app para macOS que vigila tu postura con la cámara o los sensores de movimiento de los AirPods y desenfoca progresivamente la pantalla cuando te encorvas.

Un LLM de video entrenado con transcripciones de voz en streaming que genera comentarios en tiempo real sobre videos en vivo, presentado en el artículo LiveCC de CVPR 2025.

Una app de escritorio que prioriza la privacidad y organiza tus fotos por rostros, fecha y ubicación, totalmente offline en Windows y macOS.

Colección de 419 modelos de IA preentrenados para visión, voz, NLP y LLM, ejecutables desde una CLI de Python común mediante ailia SDK.

Herramienta para eliminar fondos de imágenes, disponible como CLI, biblioteca de Python, servidor HTTP o contenedor Docker.