computer-vision

rohitg00/ai-engineering-from-scratch

523レッスンで学ぶAIエンジニアリング完全ガイド — 深層学習・LLM・エージェント・強化学習・コンピュータビジョンまでを20フェーズ523レッスンで体系的に学べる実践型カリキュラムです。学んで、作って、他人のために出荷するという理念のもと、Pythonを中心にRustやTypeScriptも扱い、多言語READMEも用意されています。AI Agent Memoryの作者による信頼性の高い教材です。

roboflow/supervision

モデル依存しないCV用ツールキット — 物体検出・セグメンテーション・トラッキングなど、YOLOやTransformersなど任意のモデル出力を統一的に扱える汎用アノテーション・データ処理ライブラリです。特定モデルに依存せず、可視化やゾーンカウントなどのビジネスロジックを素早く実装できる点が特徴で、CVアプリ開発者に人気です。

screenpipe/screenpipe

仕事画面を記録し自動化すべき業務を可視化するScreenpipe — Screenpipeは会社のPC作業を継続的に録画・録音し、ワークフローを可視化して自動化すべき業務を見つけ、AIエージェントへコンテキストを提供します。YC S26採択で、ローカルファーストかつプライバシー重視の設計です。業務改善を推進するチームに向いています。

kornia/kornia

KornioがPyTorch上の微分可能ビジョンの仕様を目指す — KorniaはPyTorchベースの微分可能なコンピュータビジョンライブラリで、バッチ処理・GPU高速化・自動微分に対応した画像処理や幾何学アルゴリズムを提供します。PyTorchエコシステムにおける微分可能CVと幾何学の“実行可能な仕様”を目指しており、空間AIやロボティクス、画像拡張パイプラインを構築する開発者に有用です。

rerun-io/rerun

物理AI向け、マルチモーダルデータの列指向データ層 — Rerunは画像・点群・座標変換・時系列・動画などマルチレートなロボティクスデータを、ログやシミュレーション、MCAP/LeRobot形式から取り込み、専用ビューアで同期再生、データフレームやSQLでクエリ、そのまま学習へストリーミングできます。Rust製でPython・Rust・C++のSDKを備え、物理AI開発者向けです。

roboflow/rf-detr

DINOv2搭載のリアルタイムSOTA物体検出DETR — RoboflowによるRF-DETRは、DINOv2をバックボーンに採用したTransformerベースの物体検出・インスタンス/キーポイント検出モデルです。COCOでSOTAの精度とレイテンシのバランスを実現しつつ、独自データセットへのファインチューニングを前提に設計されており、NASによる最適アーキテクチャ探索もサポートします。

koharu-rs/koharu

Rust製・ローカル完結の漫画翻訳AIツール — 物体検出・OCR・インペイント・LLMを組み合わせ、漫画の翻訳作業を自動化するRust製GUIツールです。ビジョンモデルとLLMを全てローカル実行するためデータを外部に出さず、プライバシーを保ちつつ高速に翻訳パイプラインを回せる点が特徴です。

harry7557558/spirula-studio

COLMAP不要、単体バイナリで動く3DGS学習ツール — 動画や写真から3D Gaussian Splattingモデルを学習し、メッシュまで生成できる自己完結型ツールです。Python/PyTorchやCOLMAPが不要で、VulkanによりNVIDIA・AMD・Intel・AppleのGPUで動作します。量子化学習で8GB VRAMでも1000万Gaussianを扱え、魚眼・360度カメラにもネイティブ対応しています。

withoutbg/withoutbg-python

Python SDK for local and cloud background removal (pip install withoutbg)

NVlabs/alpasim

自動運転のクローズドループ研究用シミュレータAlpaSim — AlpaSimはNVlabsが公開したPython製のオープンソース自動運転シミュレータです。NuRecやOmniDreams/FlashDreamsによる高忠実度センサーレンダリングと、マイクロサービス構成によるスケーラブルな分散実行を組み合わせ、end-to-endのAVポリシーを閉ループでテスト・検証できます。