Projetos open source sobre “computer-vision”

Código de pesquisa da Apple que transforma uma única foto em uma cena 3D Gaussian em menos de um segundo, renderizável de novos pontos de vista próximos.

Base de conhecimento de vídeos auto-hospedada e local-first que indexa seus vídeos com transcrição, análise de quadros e embeddings, permitindo buscar cenas em linguagem natural.

Um LLM de vídeo treinado com transcrição de fala em streaming que gera comentários em tempo real sobre vídeos ao vivo, apresentado no artigo LiveCC da CVPR 2025.

Uma coleção de 419 modelos de IA pré-treinados para visão, fala, NLP e LLMs, todos executáveis por uma CLI Python unificada usando o ailia SDK.

Ferramenta em Python para restauração cega de rostos, que melhora rostos borrados, de baixa qualidade ou danificados em fotos e vídeos usando um transformer com consulta a codebook.