汇聚全球AI计算机视觉项目，OCR识别、目标检测、图像分割、人脸识别工具大全。
共收录 602 个开源项目
paperless-ngx
开源
免费
仅开源
扫描即归档，自动识别分类，让纸质文件变可搜索数字库
paperless-ngx 是一个社区驱动的增强型文档管理系统，旨在帮助个人和小团队摆脱纸质文件堆积的困扰···
QMUPD
开源
免费
仅开源
无需配对数据，自动生成高质量人像线条画
QMUPD 是一个基于生成对抗网络（GAN）的开源项目，用于从非成对训练数据中生成高质量的人像线条画。···
TotalSegmentator
开源
免费
仅开源
输入CT/MR，一键分割100+器官结构
TotalSegmentator 是一个面向 CT 和 MR 影像的开源自动分割工具，核心目标是解决医学影像中多器官、···
sparrow
开源
免费
仅开源
从文档和图片中一键提取结构化数据，驱动自动化流程。
sparrow 是一个专注于结构化数据提取、指令调用和智能体工作流的开源框架，结合了传统机器学习、大···
awesome-camouflaged-object-detection
开源
免费
仅开源
伪装目标检测论文、数据集与代码一站合集
这是一个聚焦伪装/隐蔽目标检测（Camouflaged Object Detection, COD）的精选资源合集，系统整理了···
lidar_obstacle_detector
开源
免费
仅开源
单核10毫秒，把激光点云变成带轨迹的障碍物
lidar_obstacle_detector 是一个面向 ROS 1/ROS 2 的实时 3D 激光雷达感知工具，用 C++ 实现，目标···
eSearch-OCR
开源
免费
仅开源
npm 装完就能在 JS 里跑 PaddleOCR 取字。
eSearch-OCR 是一个基于 PaddleOCR 的 JavaScript/TypeScript OCR 库，目标是在 Node.js 与浏览器环···
deepdoctection
开源
免费
仅开源
一行代码搭建文档解析流水线，快速提取版面、表格与文本。
deepdoctection 是一个面向文档 AI 的 Python 工具库，旨在帮助开发者从 PDF、扫描件等非结构化文档···
NED
开源
免费
仅开源
一句话驱动视频人脸表情编辑，影视级效果轻松实现
NED是CVPR 2022提出的视频人脸表情编辑工具，基于PyTorch实现。它解决的是视频中演员面部情绪的精准···
Thin-Plate-Spline-Motion-Model
开源
免费
仅开源
一张图+驱动视频，生成自然流畅的动态形象
Thin-Plate-Spline-Motion-Model 是一个基于 CVPR 2022 论文的图像动画开源项目，核心解决从单张静···
MapReader
开源
免费
仅开源
批量识别历史地图要素，自动定位到地理坐标
MapReader 是英国国家档案馆等机构合作开发的开源计算机视觉流水线，专为大规模地图图像的分析与探···
IDEAS
开源
免费
仅开源
无需嵌入的隐写术，用解纠缠自编码器隐藏图像
IDEAS 是 CVPR 2022 论文《Image Disentanglement Autoencoder for Steganography without Embeddi···
RGBT-Perception-Papers
开源
免费
仅开源
一页汇总RGB-T三大任务论文，快速入门多模态感知
RGBT-Perception-Papers 是一个面向 RGB-T（可见光-热红外）多模态感知领域的论文与资源汇总仓库，···
ORSI-HRSI-SOD_Summary
开源
免费
仅开源
遥感图像显著目标检测论文清单，一页看懂研究脉络
这是一个面向光学遥感图像显著目标检测（ORSI-HRSI-SOD）的论文与资源汇总清单，系统整理了基于深度···
isaac_ros_image_segmentation
开源
免费
仅开源
在 Jetson 上用 GPU 加速跑语义分割，实时又省心。
isaac_ros_image_segmentation 是 NVIDIA 推出的 ROS2 语义分割加速包，基于 TensorRT 和 GPU 推理···
camera.ui
开源
可打开
本地跑 AI 监控，摄像头秒变智能 NVR
camera.ui 是一个面向专业视频监控场景的本地优先开源平台，用 TypeScript 编写。它把分散的 IP 摄···
ml-cvnets
开源
免费
仅开源
一套代码训练分类检测分割视觉模型
CVNets 是苹果开源的计算机视觉训练库，基于 PyTorch 构建，目标是把分类、检测、分割等任务的训练···
ScanNow
开源
免费
仅开源
打开即扫，秒出高清扫描件，隐私本地处理。
ScanNow 是一款面向 iOS 设备的快速文档扫描应用，旨在简化纸质文档的数字化流程。它利用 VisionKi···
eSearch
开源
免费
可打开
截屏即识别，离线翻译搜索一步到位
eSearch 是一款基于 Electron 和 TypeScript 开发的跨平台截屏与 OCR 工具，支持 Windows、Linux 和···
ISP-Guide
开源
免费
仅开源
一份指南，带你系统入门图像信号处理全流程
ISP-Guide 是一个关于图像信号处理（ISP）的综合性学习指南，旨在帮助开发者系统理解从图像/视频传···
RapidVideOCR
开源
免费
仅开源
视频硬字幕一键识别，自动生成可编辑 SRT 字幕
RapidVideOCR 是一个基于 Python 的视频硬字幕提取工具，用于从画面中已烧录的字幕区域识别文字并自···
Awesome-ICCV2025-ICCV2021-Low-Level-···
开源
免费
仅开源
一键查全ICCV低层视觉论文代码，做研究不再漏
这是一个汇总ICCV 2025和ICCV 2021低层视觉方向论文与代码的精选列表。低层视觉是计算机视觉中处理···
HugsVision
开源
免费
仅开源
一行代码调用 Hugging Face 视觉模型，快速实现分类、检测与生成
HugsVision 是一个基于 Hugging Face 生态的计算机视觉工具包装库，旨在让开发者用极简的代码调用最···
Awesome-RGBT-Fusion
开源
免费
仅开源
RGB-T 多模态融合论文、代码、数据集一站查
Awesome-RGBT-Fusion 是一个面向 RGB-T（可见光与热红外）多模态融合的深度学习资源汇总仓库，系统···
