计算机视觉

ocr-rs 开源 免费 仅开源

Rust 一行调用，多语言 OCR 本地跑

ocr-rs 是一个基于 Rust 编写的高性能 OCR 识别库，底层使用 PaddleOCR v4/v5/v6 模型并采用 MNN 推···

ai4rs 开源 免费 仅开源

遥感图像目标检测与变化检测，开箱即用

ai4rs 是一个面向遥感视觉的开源项目，基于 MMDetection、MMRotate、MMLab 生态构建，专注解决遥感···

langvio 开源 免费 仅开源

用自然语言问视频，YOLO 检测加 LLM 直接给答案

langvio 是一个面向计算机视觉的 Python AI 库，目标是把大语言模型（LLM）与 YOLO 等视频处理框架···

AntiCAP 开源 免费 仅开源

一行代码识别点选滑块算术验证码，自动化流程不再卡验证

AntiCAP 是一个基于 Python 的开源验证码识别工具，专注于自动化处理常见的人机验证场景。它覆盖了···

PaddleOCRSharp 开源 免费 仅开源

在 .NET 里离线调用轻量 OCR，小图识别也稳

PaddleOCRSharp 是面向 .NET 开发者的本地 OCR 类库，封装 PaddleOCR 的 C++ 推理能力，通过 C# 接···

RomanTex 开源 免费 仅开源

用注意力网络生成3D模型无缝高保真纹理

RomanTex 是一个用于数字人3D纹理生成的深度学习项目，核心是提出了一种解耦的3D感知旋转位置嵌入多···

DynamicVis 开源 免费 仅开源

用动态视觉机制，高效理解遥感图像。

DynamicVis 是一个面向遥感图像理解的高效通用视觉基础模型，基于论文实现。它解决遥感图像中目标多···

3dgrut 开源 免费 仅开源

给高斯泼溅加上光线追踪，渲染出真实反射与阴影

3dgrut 是 NVIDIA 开源的高斯粒子渲染框架，核心是把 3D Gaussian Splatting（3DGS）与光线追踪、混···

rf-detr 开源 可打开

开箱即用的实时检测分割模型，微调后轻松落地

RF-DETR 是 Roboflow 推出的实时目标检测与实例分割模型，基于 DETR 架构，在 COCO 数据集上达到当···

NuiScene 开源 免费 仅开源

一键生成无边界的真实户外3D场景，效率与细节兼得

NuiScene 是一个基于 ICCV 2025 论文的开源项目，专注于高效生成无界户外场景。它解决的是传统 3D ···

VLM-CADFeatureRecognition 开源 免费 仅开源

用视觉语言模型自动识别CAD制造特征，无需人工规则

VLM-CADFeatureRecognition 是一个利用视觉语言模型（VLM）自动识别 CAD 设计中制造特征的开源项目···

SteerX 开源 免费 仅开源

免相机标定，一键生成可操控的 3D/4D 动态场景

SteerX 是一个基于 PyTorch 的开源项目，对应 ICCV 2025 论文，旨在实现无需相机参数即可创建任意 ···

pdf-ocr-obsidian 开源 免费 仅开源

PDF 秒变 Obsidian 可用的 Markdown 笔记

pdf-ocr-obsidian 是一个基于 Mistral OCR 的 Python 工具，用于将 PDF 文档批量转换为 Markdown 文···

FluidNexus 开源 可打开

单视频重建3D流体，预测未来流动

FluidNexus 是一个基于物理信息神经网络的开源项目，旨在从单段视频中重建三维流体动态并预测其未来···

manuscript-ocr 开源 免费 仅开源

在笔记本里调参，把手写稿图片变成可编辑文字

manuscript-ocr 是一个基于 Jupyter Notebook 的开源 OCR 实验项目，专注于手写体与历史手稿的文字···

LesionLocator 开源 免费 仅开源

零样本分割全身病灶，自动追踪肿瘤变化

LesionLocator 是一个面向 3D 全身医学影像的开源框架，专注解决零样本病灶分割与纵向肿瘤追踪问题···

UniGoal 开源 免费 仅开源

让机器人零训练看懂世界，直接找目标

UniGoal 是一个面向通用零样本目标导向导航的框架，发表于 CVPR 2025。它解决的是智能体在未知环境···

snow-apps 开源 可打开

一站式搞定截图、录屏和OCR，替代系统自带工具

Snow Apps 是一个开源的桌面工具集合，主要包含两款应用：Snow Shot 和 Snow Image Viewer。Snow S···

SmartJavaAI 开源 免费 已失效

Java 开发者福音：一行依赖，离线搞定人脸、OCR、语音等 AI 功能

SmartJavaAI 是一个基于 Java 的免费离线 AI 算法工具箱，旨在为 Java 开发者提供开箱即用的 AI 能···

EarthDial 开源 免费 仅开源

把卫星影像变成能聊天的地球百科，问一句就能读懂地表变化。

EarthDial 是一个面向地球观测的多模态对话模型，由 CVPR 2025 论文提出。它旨在将卫星、航空等多传···

Awesome-CV-MasterHub 开源 免费 仅开源

按图索骥，一篇列表搞定 CV 前沿论文追踪

Awesome-CV-MasterHub 是一个计算机视觉领域的论文精选列表，汇总了图像生成、分类、描述、去雾、去···

pdf-craft 开源 不稳定

把扫描版PDF变成可编辑文本，读书笔记一键搞定

pdf-craft 是一个专注于将扫描版 PDF 书籍转换为其他格式的开源工具。它利用 deepseek-ocr 等 OCR ···

HERMES 开源 免费 仅开源

一个模型同时看懂并预测自动驾驶3D场景

HERMES 是 ICCV 2025 收录的自动驾驶世界模型开源实现，目标是用一个统一框架同时完成 3D 场景理解···

GeoPixel 开源 免费 仅开源

让多模态大模型精准定位遥感图像中的每个目标像素

GeoPixel 是一个面向高分辨率遥感影像分析的像素级定位多模态大模型。它解决的是遥感图像中多目标精···