segmentation

Medical SAM 2: Segmentación de imágenes médicas en 3D mediante Segment Anything Model 2.

Este repositorio es una implementación no oficial en PyTorch para segmentación médica en 2D y 3D.

Kit de herramientas de Python, servidor MCP y habilidades de agente para análisis de clickstream y registros de eventos reproducibles y auditables. Ayuda a agentes de IA, científicos de datos y analistas a construir, validar y verificar análisis de productos, UX cuantitativa, recorridos del cliente, flujos de usuario basados en grafos, segmentación conductual, pruebas A/B, modelos de minería de procesos y simulación de cadenas de Markov.

Recursos de CARLA como tutoriales, blogs, código, etc. https://github.com/carla-simulator/carla

alfred-py: Una biblioteca de utilidades de aprendizaje profundo para humanos. Más detalles sobre su uso en: https://zhuanlan.zhihu.com/p/341446046

Kit de herramientas de segmentación de audio basado en CNN. Permite detectar voz, música, ruido y el género del hablante. Diseñado para estudios de igualdad de género a gran escala basados en el tiempo de habla por género.

[ICCV2021] Implementación oficial en PyTorch de Segmenter: Transformer para segmentación semántica

[CVPR 2020] CascadePSP: Hacia una segmentación de muy alta resolución y agnóstica a la clase mediante refinamiento global y local.

MONAI Label es una herramienta inteligente de código abierto para el etiquetado y aprendizaje de imágenes.

🔥 Aprendizaje de ROS (c++) Robot Operating System (escrito en el verano de 2020)

Una aplicación de Android para escanear documentos: sencilla y respetuosa.

Segmentación de alta precisión para personajes de anime

DIPY es la biblioteca de referencia en Python para imágenes médicas 3D/4D+. Contiene métodos genéricos para normalización espacial, procesamiento de señales, aprendizaje automático, análisis estadístico y visualización de imágenes médicas. Además, incluye métodos especializados en anatomía computacional, incluyendo difusión, perfusión e imágenes estructurales.

Biblioteca de visión de alto rendimiento en Python. Escala tu investigación, no el código repetitivo.

YoloDotNet: un proyecto en C# .NET 8.0 para clasificación, detección de objetos, detección OBB, segmentación y estimación de poses en imágenes y transmisiones de video en vivo.

Segmentación de suelo a partir de nubes de puntos Lidar.

Gestión de flags de funciones, experimentos y configuración remota con control de versiones

Software de reconstrucción de imágenes médicas en 3D.

Implementación en TensorFlow para calcular una imagen de vista de pájaro (BEV) segmentada semánticamente a partir de cámaras montadas en vehículos.

FSGAN - Implementación oficial en PyTorch.

Implementación no oficial de "TTNet: Real-time temporal and spatial video analysis of table tennis" (CVPR 2020).

Segment Anything para microscopía

[CVPR2026] Código oficial para el artículo "YOLO-Master: MOE-Accelerated with Specialized Transformers for Enhanced Real-time Detection." (YOLO = You Only Look Once)

Repositorio oficial para Multi-Human-Parsing (MHP).

EfficientSAM3 comprime SAM3 en modelos ligeros y aptos para dispositivos de borde mediante destilación de conocimiento progresiva para una segmentación y seguimiento rápido de conceptos mediante prompts.

Biblioteca de Python para ajustar formas primitivas 3D a nubes de puntos con RANSAC. Detecta planos, esferas, cilindros, cuboides, círculos y líneas.

Página del proyecto para "Seg-Zero: Segmentación guiada por cadena de razonamiento mediante refuerzo cognitivo"

[CVPR 2025 Highlight] Código oficial y modelos para Encoder-only Mask Transformer (EoMT).

Detección de objetos camuflados, CVPR 2020 (Oral)

Nodos de ComfyUI para modelos de lenguaje visual: Qwen3-VL, Moondream 3, Florence-2, SmolVLM2, InternVL, Gemma 3, MiniCPM-V. Incluye detección de vocabulario abierto, segmentación SAM2/SAM3, razonamiento temporal de video, GGUF mediante llama.cpp y APIs de LLM/VLM alojadas.