计算机视觉

liteparse 开源 免费 仅开源

秒级解析 PDF 和扫描件，提取文本数据，开源免费。

liteparse 是一个用 Rust 编写的高性能开源文档解析器，专注于从 PDF、扫描件和图片中快速提取文本···

PAct 开源 免费 仅开源

一张照片，生成可活动的3D关节模型

PAct 是一个面向单张图像的三维关节物体生成项目，被 SIGGRAPH Asia 2026 条件接收。它解决的是从单···

GLM-OCR 开源 免费 仅开源

GLM 驱动的开源 OCR，图片文字快速准确提取

GLM-OCR 是一个基于 GLM 系列模型的 Python 开源 OCR 工具，目标是在准确率、速度和覆盖范围之间取···

CC-Pan 开源 可打开

用扩散模型高效融合遥感图像，全色锐化又快又准

CC-Pan 是论文《CC-Pan: Channel-wise Compression based Diffusion for Efficient Pan-Sharpening···

AdaRefSR 开源 免费 仅开源

一张参考图，单步扩散，超分又快又真

AdaRefSR 是一个基于参考图像的单步扩散超分辨率框架，论文已被 ICLR2026 接收。它解决传统参考超分···

AnomalyVFM 开源 可打开

零样本异常检测，无需训练直接部署

AnomalyVFM 是一个面向工业视觉异常检测的零样本检测框架，发表于 CVPR 2026。它旨在解决传统异常检···

Medical-SAM3 开源 免费 仅开源

给个提示就能分割任意医学影像，一个模型通吃多模态

Medical-SAM3 是一个面向医学图像分割的基础模型项目，基于 SAM3 架构进行医学领域适配。它要解决的···

Occular-ocr 开源 免费 仅开源

俄语文档扫描件一键转文字，快且准

Occular-ocr 是一个用 Python 编写的俄语文档 OCR 开源工具，目标是快速、准确地从扫描件和 PDF 中···

fashn-vton-1.5 开源 可打开

上传衣服和照片，秒出试穿效果，无需手动抠图

FASHN VTON v1.5 是一个基于扩散模型的虚拟试穿（Virtual Try-On）开源项目，专注于在像素空间实现···

QuickSnip 开源 免费 仅开源

Wayland 上截图即取字，还能顺手做图像搜索

QuickSnip 是一个面向 Wayland 桌面环境的轻量级截图 OCR 与图像识别工具，使用 QML 和 Quickshell···

RotoAI 开源 免费 仅开源

用一句话描述视频中的物体，自动完成逐帧分割抠像。

RotoAI 是一个开源的视频分割工作室，专注于提示词驱动的视频分割（rotoscoping）任务。它结合了 S···

jietuba 开源 免费 仅开源

Windows 截图后长截图、OCR、翻译、录屏一站搞定

jietuba 是一款面向 Windows 平台的开源截图工具，使用 Python 与 PySide6 构建，目标是把日常截图···

GutenOCR 开源 免费 仅开源

用 VLM 做 OCR 的训练评测一条龙工具

GutenOCR 是一个面向 OCR 场景的开源工具集，专注于视觉语言模型（VLM）的训练与评测。它解决的核心···

GutenOCR 开源 免费 仅开源

用多卡 vLLM 训练评测 VLM，把图片文字识别做准

GutenOCR 是一个面向 OCR 场景的开源工具集，专注于视觉语言模型（VLM）的训练与评测。它解决的核心···

WeDetect 开源 免费 仅开源

说句话或给张图，就能实时框出任意目标

WeDetect 是 CVPR 2026 论文的官方开源实现，把开放词汇目标检测重新定义为检索任务：不再让模型逐···

local-llm-pdf-ocr 开源 免费 仅开源

本地跑视觉大模型，扫描 PDF 秒变可搜索文本

local-llm-pdf-ocr 是一个把扫描版 PDF 转成可搜索文本的本地工具，核心思路是调用视觉大模型 olmO···

libreyolo 开源 免费 可打开

MIT 许可的 YOLO 检测库，拿来就能商用

LibreYOLO 是一个采用 MIT 许可证的开源计算机视觉库，用 Python 编写，目标是为开发者提供自由、可···

inference 开源 免费 仅开源

Rust 跑 YOLO，多后端加速，部署轻快

这是一个用 Rust 编写的高性能推理库，专注运行 Ultralytics YOLO 系列模型，底层基于 ONNX Runtim···

NAF 开源 免费 仅开源

零样本特征放大，无需训练，即插即用提升视觉模型分辨率

NAF（Neighborhood Attention Filtering）是一个用于零样本特征上采样的开源模型实现，由微软研究院···

NI-Tex 开源 免费 仅开源

从平铺图一键生成贴合人体的3D服装纹理

NI-Tex 是一个面向数字人3D服装纹理生成的开源项目，来自CVPR 2026 Highlight论文。它解决的是非等···

rusto-rs 开源 免费 仅开源

纯 Rust 写的离线 OCR 库，跨平台直接集成

rusto-rs 是一个用纯 Rust 编写的 OCR 文字识别库，目标是在不依赖 C++ 运行时和复杂外部依赖的前提···

HunyuanOCR 开源 免费 仅开源

轻量 OCR 大模型，一张图直接出结构化文字

HunyuanOCR 是腾讯混元团队开源的轻量级 OCR 视觉语言模型系列，当前版本 HunyuanOCR-1.5 主打「更···

Anomagic 开源 免费 可打开

用文字描述就能生成工业异常图像，零样本搞定缺陷数据增强

Anomagic 是一个面向工业异常检测的零样本异常图像生成框架，对应 AAAI 2026 论文的官方实现。它解···

VoxTell 开源 免费 仅开源

打字描述病灶，直接分割三维医学影像

VoxTell 是一个面向三维医学图像分割的开源研究项目，核心目标是让用户用自由文本提示（free-text ···