daily-paper-computer-vision

GitHub
6.7k 1.3k 非常简单 1 次阅读 4天前图像开发框架
AI 解读 由 AI 自动生成,仅供参考

daily-paper-computer-vision 是一个专注于计算机视觉、深度学习及机器学习领域的学术资源聚合平台。面对 AI 技术迭代迅速、顶级会议论文海量涌现的现状,它有效解决了研究人员难以及时追踪前沿动态和高效获取高质量文献的痛点。

该工具核心提供两大服务:一是“每日论文速递”,持续更新涵盖目标检测、Transformer、大模型、扩散模型等数十个细分方向的优质论文解读;二是“顶会顶刊索引”,系统整理了从 2017 年至 2023 年 CVPR、ICCV、NeurIPS、ICLR 等权威会议的录用论文清单,并关联了相应的开源代码仓库与下载链接。其独特亮点在于将分散的学术成果进行了结构化沉淀,不仅列出论文标题,更直接打通了从理论到代码复现的路径,极大提升了科研效率。

daily-paper-computer-vision 特别适合高校科研人员、算法工程师、AI 开发者以及希望深入理解视觉技术的研究生使用。无论是为了寻找创新灵感、跟进最新 SOTA 模型,还是快速复现经典算法,这里都能提供一站式的信息支持,是计算机视觉从业者不可或缺的案头助手。

使用场景

某自动驾驶公司的算法工程师正在为新一代感知系统寻找最新的 3D 目标检测与多模态融合方案,急需掌握前沿技术动态。

没有 daily-paper-computer-vision 时

  • 信息搜集耗时巨大:需要每天手动遍历 arXiv、CVPR、ICCV 等十几个顶会官网和数据库,花费数小时筛选与自动驾驶相关的论文。
  • 关键成果容易遗漏:面对海量新增文献,极易错过如"BEVFormer"或最新扩散模型在去雾场景中的突破性应用,导致技术选型滞后。
  • 复现门槛高且分散:找到论文后,还需单独搜索对应的开源代码链接,常遇到代码未公开或链接失效的情况,阻碍快速验证。
  • 知识体系碎片化:缺乏对历年顶会(如 2019-2023)优质论文的系统性归档,难以进行横向对比和技术演进分析。

使用 daily-paper-computer-vision 后

  • 每日速递精准触达:直接查阅“每日更新”板块,瞬间获取包含 3D 检测、多模态、去雾等细分领域的精选论文,将搜集时间从数小时压缩至几分钟。
  • 前沿动态零死角:依托其覆盖 CVPR、NeurIPS 等顶会的全量记录,确保第一时间掌握如 Transformer 架构在感知任务中的最新变体,保持技术敏锐度。
  • 论文代码一键直达:利用其整理的“论文与代码”合集,直接获取经过验证的 GitHub 仓库链接,大幅降低环境配置与复现成本。
  • 历史脉络清晰可查:通过按年份和会议分类的顶会索引,快速回溯近三年技术演进路线,为团队制定长期研发规划提供坚实依据。

daily-paper-computer-vision 将研究人员从繁琐的信息检索中解放出来,使其能专注于核心算法的创新与落地。

运行环境要求

GPU

未说明

内存

未说明

依赖
notes该项目并非可运行的 AI 软件工具,而是一个计算机视觉/深度学习领域的论文列表和资源汇总仓库(Awesome List)。它主要包含历年顶会(如 CVPR, ICCV, NeurIPS 等)的论文标题、链接及对应的开源代码仓库地址。用户无需安装任何环境即可浏览内容;若需运行列表中提及的具体算法,请参考各论文对应的独立代码仓库及其各自的环境要求。
python未说明
daily-paper-computer-vision hero image

快速开始

daily-paper-computer-vision

记录每天整理的计算机视觉/深度学习/机器学习相关方向的论文

CV 优质论文速递

为了方便内容沉淀和检索,现已在【CVer计算机视觉】 中来完成CV/AI优质论文、项目和应用速递的每日更新,欢迎各位 CVer 加入!互相学习,一起进步~

【CVer计算机视觉】 是最大的计算机视觉AI知识星球!每日更新!第一时间分享的方向涵盖:目标检测、语义分割、目标跟踪、Transformer、多模态、大模型、NeRF、扩散模型、深度估计、超分辨率、3D目标检测、CNN、GAN、竞赛解决方案、人脸识别、数据增广、人脸检测、数据集、NAS、AutoML、图像分割、SLAM、实例分割、人体姿态估计、视频目标分割、Re-ID、医学图像分割、显著性目标检测、自动驾驶、人群密度估计、PyTorch、人脸、车道线检测、去雾 、全景分割、行人检测、文本检测、OCR、6D姿态估计、 边缘检测、场景文本检测、视频实例分割、3D点云、模型压缩、人脸对齐、超分辨、去噪、强化学习、行为识别、OpenCV、场景文本识别、去雨、机器学习、风格迁移、视频目标检测、去模糊、显著性检测、剪枝、活体检测、人脸关键点检测、3D目标跟踪、视频修复、人脸表情识别、时序动作检测、图像检索、异常检测等

CVer学术交流群

CV 顶会/顶刊

2023

CVPR 2023

IJCAI 2023

论文列表:https://ijcai-23.org/main-track-accepted-papers/

ICLR 2023

2022

NIPS 2022

CVPR 2022

ECCV 2022

ACM MM 2022

WACV 2022

MICCAI 2022

AAAI 2022

ICLR 2022

2021

ICLR 2021

AAAI 2021

WACV 2021

2020

CVPR 2020

ECCV 2020

NIPS 2020

ACM MM 2020

MICCAI 2020

2019

CVPR 2019

ICCV 2019

NeurIPS 2019

  • NeurIPS 2019 录用论文名单(1427篇):百度云链接 密码:04wn

IJCAI 2019

  • IJCAI 2019所有录用论文清单(847篇):百度云链接 密码:v6ps

2018

CVPR 2018

ECCV 2018

2017

CVPR 2017

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|1周前
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|1周前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

158.1k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

108.3k|★★☆☆☆|6天前
开发框架图像Agent

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。

100.8k|★★☆☆☆|1周前
插件Agent图像

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|1周前
插件开发框架