计算机视觉

mamma 开源 可打开

从视频直接捕捉多人3D动作，无需标记点，精度高。

MAMMA 是一个面向多人体运动捕捉的开源项目，主打无标记（markerless）且高精度的多人运动获取。它···

OmniShotCut 开源 免费 仅开源

自动找出视频里每个镜头切换点，省去手动标记

OmniShotCut 是一个专注于镜头边界检测（Shot Boundary Detection）的开源项目，用 Python 实现。它···

PhysInOne 开源 免费 仅开源

让视频生成懂物理规律，动态重建更真实

PhysInOne 是一个基于 Python 的物理感知视频生成与动态重建框架，相关论文被 CVPR 2026 接收。它旨···

face-emotion-recognition 开源 免费 仅开源

摄像头前做表情，AI陪你聊情绪

这是一个基于轻量级CNN的实时人脸表情识别系统，结合OpenCV进行摄像头推理，并集成GroqCloud提供聊···

auge 开源 免费 仅开源

一条命令调用苹果视觉框架，本地识图不联网

auge 是一个用 Swift 编写的命令行工具，把苹果 Vision 框架的图像识别能力封装成终端命令，让 mac···

Falcon-Perception 开源 免费 仅开源

原生多模态模型推理，看图识文一步到位

Falcon-Perception 是 Falcon 系列多模态模型的推理仓库，包含 Falcon-Perception 与 Falcon-OCR 两···

see-through 开源 免费 仅开源

一张动漫图，自动拆成可编辑图层

see-through 是一个面向动漫角色的单图图层分解开源项目，对应 SIGGRAPH 2026 会议论文。它解决的问···

sam3.cpp 开源 免费 仅开源

把 SAM3 分割模型塞进 C++，无需 Python 即可跑图像和视频

sam3.cpp 是 Meta Segment Anything Model 3（SAM3）的纯 C/C++ 推理实现，目标是在不依赖 Python ···

LIGHT 开源 免费 仅开源

无需分类器，轻松生成自然的人-物交互3D动画

LIGHT 是一个面向数字人3D动画的开源项目，专注于人体-物体交互（HOI）动画生成。它提出了一种无需···

Graph-CAD 开源 免费 仅开源

用自然语言直接生成 CAD 模型，几何感知更精准

Graph-CAD 是一个面向文本到 CAD 建模任务的开源项目，旨在通过学习层级化且几何感知的图表示来提升···

MagicBokeh 开源 免费 仅开源

一键生成高倍变焦电影级散景，告别生硬抠图

MagicBokeh 是一个专为高倍变焦场景设计的端到端散景渲染开源项目，由 CVPR 2026 Oral 提名并入围最···

TurboOCR 开源 免费 仅开源

每秒200+张图，TensorRT加速的OCR服务，开箱即用。

TurboOCR 是一个基于 C++ 实现的高性能 OCR 服务，专为追求极致吞吐量的场景设计。它集成了百度飞桨···

HandX 开源 免费 仅开源

让数字人双手协作，生成自然交互动作

HandX 是一个面向双手（双人）运动与交互生成的开源项目，发表于 CVPR 2026。它解决的是现有数字人···

MonoArt 开源 免费 仅开源

从单张照片，逐步推理出带关节的3D模型

MonoArt 是论文“MonoArt: Progressive Structural Reasoning for Monocular Articulated 3D Recon···

DART 开源 免费 仅开源

用前沿模型实时检测视频里的任何目标

DART 是一个基于前沿目标检测模型的实时检测工具，用 Python 实现，核心目标是把高性能检测模型落地···

paddleocr-local 开源 免费 仅开源

本地把 PDF/Office 转 Markdown，五种 OCR 模型随你换

paddleocr-local 是一个本地优先的文档解析工作台，把 PDF、Office 等格式的文件转换成 Markdown，···

VGGT-Det-CVPR2026 开源 免费 仅开源

不用相机标定，多视角直接检测室内3D物体

VGGT-Det 是 CVPR 2026 论文的官方开源实现，聚焦多视角室内 3D 物体检测。传统多视角 3D 检测方法···

modlens 开源 仅开源

给纯文本编码代理装上眼睛，粘贴图片即刻获得结构化视觉证据。

modlens 是首个为 DeepSeek Harness 打造的视觉插件，旨在为纯文本编码代理（如 DeepSeek、GLM 等）···

noai-watermark 开源 免费 仅开源

一键去除 AI 隐形水印，清理生成痕迹

noai-watermark 是一个开源的 Python 命令行工具，用于移除图像中的隐形 AI 水印（如 SynthID、Sta···

OccAny 开源 免费 仅开源

让3D占用预测适配任意城市，开箱即用

OccAny 是一个面向城市级 3D 占用预测的统一框架，旨在解决传统模型在多样化和非受限城市场景中泛化···

apexshot 开源 免费 不稳定

截图标注、录屏、OCR 一站搞定

ApexShot 是一款用 Rust 编写的开源 Linux 截图工具，目标是成为 Flameshot 的现代替代品。它解决 ···

laravel-ocr 开源 免费 仅开源

Laravel 里几行代码把发票 PDF 变成结构化数据

laravel-ocr 是一个面向 Laravel 框架的 OCR 与文档数据提取扩展包，目标是让 PHP 后端开发者无需切···

oximedia 开源 免费 仅开源

用纯 Rust 一站式搞定音视频与视觉处理，安全无专利负担

OxiMedia 是一个用纯 Rust 编写的开源多媒体处理框架，目标是重建 FFmpeg 与 OpenCV 的能力并统一到···

AWESOME-OCR-LLM 开源 免费 仅开源

一张清单看懂大模型时代 OCR 怎么选

AWESOME-OCR-LLM 是一个聚焦“大语言模型时代的 OCR”的开源资源集合，系统整理了将 LLM 与多模态大···