1、Cvpr2020 Code
CVPR 2020 论文开源项目合集
https://github.com/amusi/CVPR2020-Code
2、Flownet2
借助深层网络进行光流估计
https://github.com/lmb-freiburg/flownet2
3、Awesome Cv Paper Review
计算机视觉各个方向论文速览
https://github.com/Sophia-11/Awesome-CV-Paper-Review
4、Papers
读过的CV方向的一些论文，图像生成文字、弱监督分割等
https://github.com/wangleihitcs/Papers
5、Awesome_deep_learning_interpretability
深度学习近年来关于神经网络模型解释性的相关高引用/顶会论文(附带代码)
https://github.com/oneTaken/awesome_deep_learning_interpretability
6、Cv_paperdaily
CV 论文笔记：https://github.com/ming71/CV_PaperDaily
7、Vibe
用于人体姿势和形状估计的视频推理
https://github.com/mkocabas/VIBE
8、Ghostnet
在ImageNet上提供了TensorFlow代码和GhostNet的预训练模型
https://github.com/huawei-noah/ghostnet
9、Cvpr 2019 Paper Statistics
接受率的统计和可视化，CVPR 2019主要计算机视觉会议（CVPR 2019）接受论文的关键词
https://github.com/hoya012/CVPR-2019-Paper-Statistics
10、Deep_metric
Deep Metric Learning
https://github.com/bnu-wangxun/Deep_Metric
11、Bundlefusion
[Siggraph 2017] BundleFusion:使用在线表面重新整合进行实时全局一致的三维重建
https://github.com/niessner/BundleFusion
12、Deepalignmentnetwork
一种用于人脸对齐的深度神经网络
https://github.com/MarekKowalski/DeepAlignmentNetwork
13、Demon
一种用于从两个投影重建场景的计算机算法
https://github.com/lmb-freiburg/demon
14、Epipolarpose
在这项工作中，我们提出了一种自监督学习的三维人体姿态估计方法，它不需要任何三维地面真实数据或相机提取。在训练过程中，EpipolarPose从多视图图像中估计出二维位姿，然后利用epipolar geometry获得三维位姿，利用camera geometry训练出三维位姿估计器。在测试时间，它只需要一个RGB图像产生一个3D位姿的结果，可查看demo.ipynb。这里，我们在Human3.6M数据集上展示了我们的模型的一些示例输出。对于每组结果，我们首先显示输入图像，然后显示ground truth、全监督模型和self - supervised模型输出。
https://github.com/mkocabas/EpipolarPose
15、Fsa Net
[CVPR19] FSA-Net:从单个图像学习用于头部姿态估计的细粒度结构聚合
https://github.com/shamangary/FSA-Net
16、Depth Vo Feat
单目深度估计的无监督学习和深度特征重构的视觉里程计
https://github.com/Huangying-Zhan/Depth-VO-Feat
17、So Net
SO-Net是一个处理2D/3D点云的深度网络架构。它支持各种应用，包括但不限于分类，形状检索，分割，重建。
https://github.com/lijx10/SO-Net
18、Mimicry
Mimicry是一个轻量级的PyTorch库，旨在实现GAN研究的可重复性。
https://github.com/kwotsin/mimicry
19、Mvpose
从多个视图进行快速可靠的多人3D姿势估计
https://github.com/zju3dv/mvpose
20、Zooming Slow Mo Cvpr 2020
https://github.com/Mukosame/Zooming-Slow-Mo-CVPR-2020
21、Fbrs_interactive_segmentation
https://github.com/saic-vul/fbrs_interactive_segmentation
22、Scan2cad
Scan2CAD是一种新颖的数据驱动方法，可学习将形状数据库中的3D CAD模型与3D扫描对齐。
https://github.com/skanti/Scan2CAD
23、Flownet2 Docker
包含一个Dockerfile和脚本，以构建和运行神经网络在Docker容器中进行光流估计，还提供了一些示例数据来测试网络。
https://github.com/lmb-freiburg/flownet2-docker
24、3d Object Detection
与三维物体检测相关的论文和代码
https://github.com/Yvanali/3D-Object-Detection
25、Ylg
[CVPR 2020] Official Implementation: "Your Local GAN: Designing Two Dimensional Local Attention Mechanisms for Generative Models".
https://github.com/giannisdaras/ylg