计算机视觉

ladi-vton 开源 免费 仅开源

上传衣服和模特图，AI 生成自然逼真的试穿效果

LaDI-VTON 是一个基于潜在扩散模型（Latent Diffusion）的虚拟试穿项目，发表于 ACM MM 2023。它解···

MultimodalOCR 开源 免费 仅开源

用29项细粒度任务，测出多模态大模型的OCR真实水平

MultimodalOCR 是 OCRBench 的官方开源实现，聚焦于评测大型多模态模型（LMM）在 OCR 任务上的真实···

samexporter 开源 免费 仅开源

把 SAM 系列模型一键导出 ONNX，秒级部署到任意平台

samexporter 是一个专注于将 Segment Anything 系列模型导出为 ONNX 格式的工具，支持 SAM、Mobile···

ml-autofocusformer 开源 免费 仅开源

让 Transformer 只算关键像素，分割边界更准更省算力

ml-autofocusformer 是 CVPR 2023 论文《AutoFocusFormer: Image Segmentation off the Grid》的官···

RT-DETR 开源 免费 仅开源

无 NMS 端到端检测，精度速度双超 YOLO

RT-DETR 是百度提出的实时目标检测 Transformer，论文发表于 CVPR 2024，官方仓库同时提供 PaddleP···

Awesome-ICCV2023-Low-Level-Vision 开源 免费 仅开源

按图索骥，快速获取ICCV低层视觉论文与代码

这是一个整理ICCV 2023及2021低层视觉（Low-Level Vision）方向论文与代码的精选列表，涵盖去模糊、···

CLIP-API-service 开源 免费 仅开源

把 CLIP 模型变成一行代码就能调用的 API，快速实现图文搜索与识别。

CLIP-API-service 是一个基于 OpenAI CLIP 模型封装的即用型 API 服务，旨在将 CLIP 的图文跨模态能···

ISAT_with_segment_anything 开源 免费 仅开源

点几下就自动抠图，图像分割标注提速数倍

ISAT_with_segment_anything 是一款基于 Segment Anything 系列模型的交互式半自动图像标注工具，用···

awesome-segment-anything 开源 免费 仅开源

一网打尽 SAM 生态资源，快速上手图像分割

这是一个精选资源列表，系统整理了与 Segment Anything 模型（SAM）相关的论文、项目和工具。它解决···

STU-Net 开源 免费 仅开源

14亿参数医学分割大模型，开箱即用提升精度

STU-Net 是基于最大公开医学图像分割数据集（超过10万标注）训练的超大规模预训练模型，参数量达14···

ShowAnything 开源 免费 仅开源

用语言或点击，轻松编辑视频中的任意目标

ShowAnything 是一个基于视觉与语言模型的视频生成与编辑工具，旨在通过自然语言指令或交互式点击，···

ultralytics-YOLO-DeepSort-ByteTrack-··· 开源 免费 仅开源

点点鼠标，就能用YOLO加跟踪算法跑视频和摄像头

这是一个基于 PyQt 的桌面图形界面应用，把 Ultralytics 的 YOLO 系列模型（YOLOv8、YOLO11、YOLOv···

sd-webui-segment-anything 开源 免费 仅开源

在 Stable Diffusion 里框选物体，即可精准重绘或替换

sd-webui-segment-anything 是一个为 Stable Diffusion WebUI 开发的插件，它将 Meta 的 Segment A···

grounded-segment-anything-colab 开源 免费 仅开源

一句话输入，自动检测分割并重绘图像，Colab 免费跑通全流程

这是一个基于 Colab 的交互式笔记本，整合了 Grounding DINO、Segment Anything 和 Stable Diffusi···

awesome-segment-anything-extensions 开源 免费 仅开源

一网打尽 SAM 生态，找扩展项目不迷路

这是一个精选列表，汇集了围绕 Meta 的 Segment Anything Model (SAM) 生态的各类扩展项目、工具和···

segment-anything-video 开源 免费 仅开源

一行命令给图片和视频做 SAM 分割，还能接 YOLO 检测

segment-anything-video（MetaSeg）是 Meta 的 Segment Anything（SAM）模型的工程化封装版本，主要···

yolo-streamlit-detection-tracking 开源 免费 已失效

上传视频或接摄像头，网页里实时看目标检测与跟踪效果

这是一个基于 YOLO 与 Streamlit 的实时目标检测与跟踪演示项目，面向需要快速验证视频流分析能力的···

ETRIS 开源 免费 仅开源

冻结大模型，只调少量参数，就能做指代图像分割

ETRIS 是 ICCV 2023 论文《Bridging Vision and Language Encoders: Parameter-Efficient Tuning f···

RiDDLE 开源 免费 仅开源

给照片人脸加密，可还原还能换身份，隐私保护一步到位

RiDDLE是CVPR 2023论文《Reversible and Diversified De-identification with Latent Encryptor》的···

BlackVIP 开源 免费 仅开源

黑盒模型也能迁移学习，用视觉提示搞定下游任务

BlackVIP 是 CVPR 2023 论文的官方实现，专注于黑盒视觉提示（Black-Box Visual Prompting）技术。···

yolo_ros 开源 免费 仅开源

在 ROS 2 里一行启动 YOLO 检测，图像进结果出

yolo_ros 是把 Ultralytics YOLO 系列模型（YOLOv8/v9/v10/v11/v12）封装成 ROS 2 节点的开源项目，···

InstructCV 开源 免费 仅开源

用一句话指令，让扩散模型搞定多种视觉任务

InstructCV 是一个基于指令微调文本到图像扩散模型的视觉通用框架，源自 ICLR 2024 论文。它旨在解···

obsidian-text-extractor 开源 免费 仅开源

图片PDF一键变可搜索文字，笔记整理效率翻倍

obsidian-text-extractor 是一个 Obsidian 笔记软件的配套插件，用于从图片和 PDF 文件中提取文字。···

STranslate 开源 免费 可打开

选中即译、截图即识，Windows 上最顺手的翻译 OCR 小工具

STranslate 是一款基于 WPF 开发的 Windows 桌面翻译与 OCR 工具，主打“即用即走”的轻量交互。它···