计算机视觉

NegPrompt 开源

用负提示让AI识别未知，开箱即用提升OOD检测

NegPrompt 是 CVPR 2024 论文的官方实现，专注于解决深度学习模型在开放世界中的分布外（OOD）检测···

yolo-flutter-app 开源

Flutter 一行调用，手机端跑 YOLO 实时识别

yolo-flutter-app 是 Ultralytics 官方推出的 Flutter 插件，让移动端应用可以直接调用 YOLO 系列模···

GEM-3D 开源

用扩散模型增强三维医学图像，提升生成质量与完整性

GEM-3D 是一个面向三维医学图像生成的增强工具，发表于 IJCV 2026。它针对医学影像数据稀缺、质量不···

WinCLIP 开源

用 CLIP 实现零样本工业异常检测，无需训练样本即可定位缺陷

WinCLIP 是 CVPR 2023 论文《WinCLIP: Zero-/few-shot anomaly classification and segmentation》···

Stable-Diffusion-Seg 开源

用 Stable Diffusion 单步反演，让医学图像分割又快又准

Stable-Diffusion-Seg 是 MICCAI 2024 论文的官方代码库，专注于利用 Stable Diffusion 模型进行生···

GiT 开源

一个Transformer搞定分类、检测、分割和生成，视觉任务不再分家。

GiT是一个面向通用视觉任务的Transformer模型，源自ECCV 2024 Oral论文。它通过统一的语言接口，将···

InCTRL 开源

给几个正常样本，就能检测任何新场景的异常

InCTRL 是 CVPR 2024 论文的官方实现，提出了一种基于上下文残差学习的通用异常检测方法。它解决的···

EndoDAC 开源

让基础模型秒变内窥镜深度感知专家，无需标注即可用

EndoDAC 是一个面向内窥镜手术场景的自监督深度估计模型，发表于 MICCAI 2024。它解决了基础模型（···

ComfyUI-YoloWorld-EfficientSAM 开源

在 ComfyUI 里用一句话圈出物体，自动分割并精准编辑。

这是一个为 ComfyUI 开发的插件，非官方实现了 YOLO-World 与 EfficientSAM 的结合。它主要解决在图···

yolo-ios-app 开源

把 YOLO 塞进 iPhone，相机一开就能实时识别与分割

yolo-ios-app 是 Ultralytics 官方推出的 iOS 应用与 Swift Package，把 YOLO 系列模型通过 Core M···

ID-Card-Passport-Recognition-Android 开源

拍证件自动识别真伪，Android 端一站式 eKYC 核验

这是一个面向 Android 平台的证件识别 SDK，主要解决移动端 eKYC（电子身份认证）场景下的证件信息···

ComfyUI-Qwen-VL-API 开源

在ComfyUI里直接调用通义千问视觉模型，让图像生成更智能

ComfyUI-Qwen-VL-API 是一个将阿里云通义千问视觉语言模型（Qwen-VL-Plus 和 Qwen-VL-Max）集成到 ···

EscherNet 开源

从几张照片生成任意视角新图，3D重建更轻松

EscherNet是一个基于生成模型的视图合成工具，由CVPR 2024作为Oral论文提出。它解决了从少量输入图···

TensorRT-YOLO 开源

把 YOLO 模型在 NVIDIA 上跑得又快又省心

TensorRT-YOLO 是一个面向 NVIDIA GPU 的 YOLO 系列模型部署工具包，旨在让 YOLO 的推理部署更简单···

latent-diffusion-segmentation 开源

用扩散模型做开放世界分割，一句话就能分割并修复图像

这是一个基于潜在扩散模型（Latent Diffusion）的开放世界全景分割与掩码修复工具，来自ECCV 2024论···

osam 开源

本地一键运行多种SAM分割模型，快速验证提示视觉能力

osam 是一个本地运行提示型视觉模型的工具，支持 SAM1、SAM2、SAM3、EfficientSAM、YOLO-World 等模···

Hands-On-Learning-in-Computer-Vision 开源

打开 Notebook 就能跑，边做边学计算机视觉

这是一个以 Jupyter Notebook 形式组织的计算机视觉动手学习项目，把从图像基础操作到深度学习模型···

surya 开源

多语言文档一键 OCR，版面表格阅读顺序全搞定

Surya 是一个面向文档智能的开源工具包，核心解决多语言文档的 OCR 与结构化理解问题。它不仅能做传···

ocean 开源

Meta 出品的跨平台 CV/AR 框架，一套 C++ 代码跑多端视觉应用

Ocean 是 Meta 内部开源的计算机视觉与增强现实应用框架，主要用 C/C++ 实现，强调平台无关性。它把···

ocrs 开源

Rust 原生 OCR，图片转文字，部署零依赖

ocrs 是一个用 Rust 编写的 OCR 库和命令行工具，目标是从图片中提取文字。它把机器学习模型推理封···

Construction-Hazard-Detection 开源

YOLO+聚类自动圈出工地危险区，实时告警

Construction-Hazard-Detection 是一个面向建筑工地安全的开源计算机视觉项目。它基于 YOLO 目标检···

amodal 开源

看穿遮挡，AI补全物体被遮住的完整模样

Amodal是CVPR 2024 Highlight论文《Amodal Completion via Progressive Mixed Context Diffusion》···

ArXiv_CV_Papers_Daily 开源

每天自动汇总 arXiv 最新 CV 论文，省去手动翻页

这是一个自动抓取 arXiv 上最新计算机视觉论文的每日订阅工具，用 Python 编写。它解决的是 CV 研究···

pix2gestalt 开源

从部分可见图像，零样本补全出完整物体形状

pix2gestalt 是 CVPR 2024 论文的开源代码，专注于模态补全（amodal completion）任务，即从部分可···