计算机视觉

Mieru-OCR 开源 免费 待核验

浏览器里离线跑验证码识别，图片不出本机

Mieru-OCR 是一个基于 ddddocr 模型、用 TypeScript 编写的浏览器端验证码识别工具。它把原本需要 ···

Robust-R1 开源 免费 仅开源

让视觉模型在模糊、低光等恶劣图像下也能准确推理

Robust-R1 是一个针对视觉语言模型在复杂退化场景下推理能力不足的问题而提出的开源项目，其论文被···

meikiocr 开源 免费 仅开源

本地秒读日文游戏文字，离线翻译不卡顿

meikiocr 是一个面向日语电子游戏场景的本地 OCR 工具，用 Python 编写，主打高速与高准确率。它解···

VideoLucy 开源 可打开

让AI看懂长视频，靠“记忆回溯”抓住关键线索

VideoLucy 是一个面向长视频理解的开源项目，发表于 NeurIPS 2025，核心创新在于“深度记忆回溯”（···

LabelAny3D 开源 免费 仅开源

一张普通照片，自动标出任意物体的3D框

LabelAny3D 是 NeurIPS 2025 收录的开源项目，面向野外场景下的三维目标标注任务。它解决的核心问题···

MERGE 开源 免费 仅开源

一个模型搞定图像生成和深度估计，省时又省力

MERGE 是一个统一图像生成与深度估计的扩散模型框架，由 NeurIPS 2025 论文提出。它解决传统文本到···

DeepSeek-OCR-WebUI 开源 免费 仅开源

本地部署 OCR 模型，网页批量识别 PDF 和图片

DeepSeek-OCR-WebUI 是 DeepSeek-OCR-2 模型的自托管网页界面与 API 封装，解决 OCR 模型部署门槛高···

chandra 开源 免费+付费 可打开

复杂表格表单手写，一次识别还原版面

Chandra 是一个面向复杂文档的 OCR 模型与工具，重点解决传统 OCR 在表格、表单、手写内容和复杂版···

frigate-detector-edgetpu-yolo9 开源 免费 仅开源

让 Frigate 在 Coral TPU 上跑 YOLO v9 检测

该项目为 Frigate NVR 增加在 Google Coral Edge TPU 上运行 YOLO v9 目标检测模型的能力。Frigate···

PaDT 开源 免费 仅开源

把图像切成 token，一个模型搞定分割、检测、姿态估计

PaDT 是一个面向多模态大语言模型（MLLM）的统一视觉任务框架，其核心思想是将图像分割为可解码的视···

DEIMv2 开源 可打开

用DINOv3做实时检测，又快又准，直接落地。

DEIMv2 是一个基于 DINOv3 的实时目标检测框架，旨在解决传统检测器在速度和精度之间难以平衡的问题···

yomihon 开源 免费 可打开

看日漫直接 OCR 查词，边读边学不切应用

yomihon 是一款面向 Android 的开源漫画阅读器，主打免费、无广告的本地与在线漫画阅读体验，并集成···

Churro 开源 免费 仅开源

让历史手稿和古籍轻松变成可搜索文本

Churro 是一个面向历史文献转录的 OCR 工具包，旨在以高精度和低成本让手写及印刷的历史资料变得可···

CAST 开源 免费 仅开源

单张照片，重建可编辑的 3D 组件化场景

CAST 是 SIGGRAPH 2025 最佳论文提名论文的非官方简化实现，目标是从单张 RGB 图像重建组件对齐的 ···

GC-VLN 开源 免费 仅开源

不训练模型，用图约束让机器人听懂指令找路

GC-VLN 是一个面向视觉-语言导航（VLN）任务的训练-free 方法，由 CoRL 2025 论文提出。它解决的是···

PaddleOCR-ncnn-CPP 开源 免费 仅开源

用 ncnn 跑 PaddleOCR 的纯 C++ 离线文字识别方案

PaddleOCR-ncnn-CPP 是把 PaddleOCR 的 PP-OCRv3/v4/v5/v6 系列模型用 C++ 和 ncnn 推理框架重新实···

shiping 开源 免费 仅开源

按快捷键截屏，AI 立刻看懂并解答屏幕内容

shiping 是一款基于 Electron 与 TypeScript 开发的桌面识屏助手，常驻系统后台，用户按下快捷键即···

withoutbg-python 开源 免费+付费 可打开

一行 pip 装好，本地或云端一键抠图去背景

withoutbg-python 是 withoutbg 背景移除服务的官方 Python SDK，通过 pip install withoutbg 即可···

FoundAD 开源 免费 仅开源

用基础视觉编码器，少样本即可精准检测异常

FoundAD 是 ICLR 2026 论文《Foundation Visual Encoders Are Secretly Few-Shot Anomaly Detector···

ExtractPDF4J 开源 免费 仅开源

Java 库从文本/扫描 PDF 里抽结构化表格

ExtractPDF4J 是一个用 Java 编写的 PDF 表格提取与 OCR 库，主要解决从 PDF 中稳定抽取结构化表格···

GSFixer 开源 免费 仅开源

用视频扩散先验修复3D重建，让渲染更真实

GSFixer 是一个基于参考图像引导的视频扩散先验来修复三维高斯泼溅（3D Gaussian Splatting）重建质···

LiDARCrafter 开源 免费 仅开源

从 LiDAR 序列直接生成动态 4D 世界，让机器看懂时空变化

LiDARCrafter 是一个基于 LiDAR 序列的动态 4D 世界建模框架，由 AAAI 2026 Oral 论文提出。它解决···

iOS-OCR-Server 开源 可打开

把 iPhone 变成局域网 OCR 接口

iOS-OCR-Server 是一个用 Swift 编写的轻量 OCR 服务，把 Apple Vision 框架的文字识别能力封装成 ···

docstrange 开源 免费 仅开源

从任意文档秒提取结构化数据，一键转成 JSON/CSV

docstrange 是一个基于 Python 的文档数据提取与转换工具，旨在解决从多种文档格式（如 PDF、Word、···