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 607 个开源项目
oar-ocr
开源
免费
仅开源
Rust 原生 OCR，一份二进制搞定文字识别与版面理解
oar-ocr 是一个用 Rust 原生实现的 OCR 工具包，专注文字识别、文档版面分析和基于视觉语言模型的文···
Texo
开源
免费
可打开
20M 超轻量模型，浏览器里秒转公式为 LaTeX。
Texo 是一个超轻量的 LaTeX 公式识别模型，参数量仅 20M，却能达到 SOTA 级别的识别精度。它主要解···
meikipop
开源
免费
仅开源
截图即查日语生词，阅读不中断
meikipop 是一款面向日语学习者的跨平台 OCR 弹窗词典工具，支持 Windows、Linux 和 macOS。它解决···
makeacopy
开源
免费
仅开源
离线拍照扫文档，OCR 转文字，隐私不外泄
MakeACopy 是一款开源的 Android 文档扫描应用，目标是把纸质文件快速数字化。它支持拍照取景、自动···
Franca
开源
免费
仅开源
用嵌套套娃聚类，让视觉模型学得更快更准
Franca 是一个用于可扩展视觉表示学习的开源项目，其核心创新在于提出嵌套套娃聚类（Nested Matryo···
ComfyUI-Forbidden-Vision
开源
仅开源
在ComfyUI中，轻松搞定动漫与写实人脸检测修复
ComfyUI-Forbidden-Vision 是一个为 ComfyUI 设计的图像处理插件，专注于人脸检测、分割与增强。它···
SDMatte
开源
免费
仅开源
点几下鼠标，扩散模型帮你生成精准抠图
SDMatte 是 ICCV2025 论文的官方实现，提出一种将 Stable Diffusion 模型嫁接（grafting）到交互式···
AlbumentationsX
开源
免费+付费
不稳定
一行代码给图像加增强，标注同步不跑偏
AlbumentationsX 是经典图像增强库 Albumentations 的延续版本，面向计算机视觉训练场景，提供高性···
readur
开源
免费
仅开源
上传图片即出文字，自建 OCR 像用网盘一样简单
readur 是一个用 Rust 和 TypeScript 编写的开源 OCR 平台，目标是让文字识别变得快速、无痛且直观···
fractogenesis
开源
免费
仅开源
从单点出发，用算法长出一整片分形宇宙
fractogenesis 是一个用 JavaScript 实现的生成艺术工具，专注于从单一像素点生长出分形结构。它支···
UmiOCR-AI-OCR-Plugin
开源
免费
仅开源
给 Umi-OCR 接上大模型，复杂图片识别更准
UmiOCR-AI-OCR-Plugin 是给 Umi-OCR 增加云端 AI 识别能力的插件，用 Python 编写。Umi-OCR 本身是···
AntiCAP-WebApi
开源
待核验
上传验证码图片，直接返回识别结果
AntiCAP-WebApi 是一个基于 AntiCAP 引擎构建的验证码识别 Web 服务，把多种验证码的识别能力封装成···
ncnn-android-ppocrv5
开源
免费
仅开源
在安卓手机上离线跑 PaddleOCR v5 实时识图取字
ncnn-android-ppocrv5 是一个把 PaddleOCR v5 文字识别模型部署到 Android 端的开源示例工程，基于···
4KAgent
开源
免费
仅开源
上传任意糊图，自动恢复成 4K 高清大片
4KAgent 是一个基于智能体（Agent）的任意图像 4K 超分辨率开源项目，发表于 NeurIPS 2025。它解决···
system-ocr
开源
免费
仅开源
调系统自带 OCR，截图取字不装大模型
system-ocr 是一个用 Rust 编写的 OCR 工具，核心思路是直接调用操作系统自带的文字识别能力，而不···
gen2seg
开源
免费
可打开
用生成模型让实例分割无需标注，开箱即用
gen2seg 是一个基于生成式模型（如 Stable Diffusion）实现通用实例分割的开源项目，对应 ICLR 202···
ppu-paddle-ocr
开源
免费
可打开
TypeScript 版 PaddleOCR，哪都能跑，识别快
ppu-paddle-ocr 是一个用 TypeScript 重写的 PaddleOCR 轻量级 SDK，目标是在任何能运行 JavaScrip···
MIPHEI-ViT
开源
免费
仅开源
用 ViT 把 H&E 病理图直接转成免疫荧光图，省去染色实验
MIPHEI-ViT 是一个用于训练 H&E 染色图像到免疫荧光图像转换模型的早期开源项目。它基于 Vision Tr···
YOLOFuse
开源
免费
仅开源
在 YOLO 上加第二模态，快速做双模态目标检测
YOLOFuse 是一个基于 ultralytics 生态构建的双模态目标检测框架，面向需要同时利用可见光与红外（···
TesserAct
开源
可打开
让机器人看懂并预测4D世界，实现具身智能
TesserAct 是 ICCV 2025 收录的 4D 具身世界模型项目，旨在解决机器人或具身智能体对动态三维世界的···
tessera
开源
免费
仅开源
让卫星影像按时间流动，一键提取地表变化规律
TESSERA 是剑桥大学推出的基础模型，专为处理时间序列卫星影像而设计，可应用于土地分类、植被冠层···
comfyui-daam
开源
免费
仅开源
在 ComfyUI 中可视化每个词对生成图像的注意力影响
comfyui-daam 是一个 ComfyUI 的自定义节点插件，它将 Diffusion Attentive Attribution Maps (DAA···
trackers
开源
免费
可打开
换检测器就能跑的主流多目标跟踪算法合集
trackers 是一个专注于多目标跟踪（MOT）的开源算法集合，用 Python 重新实现了 ByteTrack、OC-SOR···
ComfyUI-MiniCPM
开源
免费
仅开源
在 ComfyUI 里直接调用 MiniCPM，给图像自动生成描述
ComfyUI-MiniCPM 是一个为 ComfyUI 设计的自定义节点，用于集成 MiniCPM 视觉语言模型。它支持 Min···
