计算机视觉

PaddleOCRApi 开源 免费 可打开

一键部署离线OCR接口，多语言调用识别图片文字

PaddleOCRApi 是一个基于 PaddleOCR 的开源离线 OCR 服务封装项目，用 C# 编写，主要解决在 .NET 生···

hub 开源 可打开

让旧摄像头变聪明，边缘实时识别安全隐患

Securade.ai HUB 是一个面向计算机视觉的边缘 AI 平台，用生成式 AI 与视觉模型把现有闭路电视摄像···

D-FINE-seg 开源 免费 仅开源

检测加分割一网打尽，训练到 TensorRT 部署全流程

D-FINE-seg 是基于 D-FINE 检测器扩展而来的目标检测与实例分割一体化框架，覆盖训练、导出、推理全···

ComfyUI-ReActor 开源 免费 仅开源

在ComfyUI里拖个节点，秒换人脸出图

ComfyUI-ReActor 是给 ComfyUI 用的换脸扩展节点，基于 Python 开发，把原本需要单独脚本或复杂工作···

UniAct 开源 免费 仅开源

统一机器人动作表示，让具身模型跨场景即学即用

UniAct是CVPR 2025收录的官方实现，提出“通用动作”概念，旨在增强具身基础模型（如机器人操作模型···

Awesome-MLLM-Segmentation 开源 免费 仅开源

一页看懂 MLLM 做图像视频分割的全部代表论文

Awesome-MLLM-Segmentation 是一个聚焦多模态大语言模型（MLLM）用于图像与视频分割的论文资源合集···

depth_any_camera 开源 免费 仅开源

任意相机秒出深度图，零样本适配鱼眼全景

Depth Any Camera 是一个 CVPR 2025 的零样本度量深度估计模型，核心解决任意相机（包括鱼眼、全景···

Sa2VA 开源 免费 仅开源

一句话指挥AI分割图像视频，精准定位目标

Sa2VA 是一个面向图像与视频分割任务的统一视觉语言模型代码库，由 Pixel-LLM 团队维护。它解决了传···

clearcam 开源 免费 仅开源

给普通摄像头装上 AI 大脑，自动识别、追踪并推送通知

ClearCam 是一个开源的智能安防摄像头增强工具，通过 AI 技术为普通 RTSP 摄像头添加物体检测、追踪···

JiaJiaOCR 开源 免费 仅开源

Java 一站式 OCR，印刷手写表格都能认

JiaJiaOCR 是一个基于 Java 的 OCR 工具库，在通用印刷体文字识别的基础上扩展了手写体识别、版面检···

qinglong-captions 开源 免费 仅开源

给图片视频自动配文字说明

qinglong-captions 是一个基于 Python 的多模态字幕生成器，核心目标是为图片或视频内容自动生成描···

vision-simple 开源 免费 仅开源

一套 C++ API 把 YOLO 和 OCR 跑遍全平台

vision-simple 是一个轻量级 C++ 跨平台视觉推理库，目标是让开发者用一套 API 在 Windows、Linux、···

diffusion-vas 开源 免费 仅开源

用扩散先验，让视频分割看穿遮挡，补全完整物体。

diffusion-vas 是 CVPR 2025 的官方代码实现，专注于视频无模态分割（Video Amodal Segmentation）···

Olympus 开源 免费 仅开源

一个路由搞定所有视觉任务，免去逐个微调

Olympus 是一个面向计算机视觉任务的通用任务路由器，由 CVPR 2025 Highlight 论文官方开源。它旨在···

eomt 开源 免费 仅开源

仅编码器搞定图像分割，又快又准

EoMT（Encoder-only Mask Transformer）是一个CVPR 2025 Highlight项目，提供仅编码器的掩码Transf···

blue-onyx 开源 免费 仅开源

把目标检测封装成服务，发图就返回检测框

blue-onyx 是一个用 Rust 编写的目标检测服务，将计算机视觉中的物体检测能力封装成可独立部署的后···

EventGPT 开源 可打开

让大模型看懂事件相机数据，实现动态场景理解与问答

EventGPT 是一个面向事件流（event stream）理解的多模态大语言模型框架，源自 CVPR 2025 论文。它···

ndlkotenocr-lite 开源 免费 仅开源

把日本古籍扫描件批量转成可校对文本

ndlkotenocr-lite 是日本国立国会图书馆（NDL）古典籍 OCR-Lite 应用的官方代码仓库，面向日本古籍···

GaussianPretrain 开源 免费 仅开源

用3D高斯做自监督预训练，让自动驾驶感知模型少标注也能涨点

GaussianPretrain 是面向自动驾驶视觉预训练的开源项目，核心思路是用 3D 高斯表示作为预训练目标，···

vesselFM 开源 免费 仅开源

一个模型搞定各类三维血管分割，跨模态直接上手

vesselFM 是一个面向通用三维血管分割的基础模型，论文已被 CVPR 2025 接收。它旨在解决医学图像中···

uniface 开源 免费 仅开源

一套 API 搞定检测到反欺诈全流程人脸分析

UniFace 是一个面向 Python 的统一人脸分析库，把检测、对齐、关键点、face-mesh、识别、解析、视线···

n8n-nodes-tesseractjs 开源 免费 仅开源

在 n8n 工作流里拖个节点，图片直接变文字

n8n-nodes-tesseractjs 是一个把 Tesseract OCR 引擎封装成 n8n 社区节点的开源项目，让用户无需写···

ZoomEye 开源 免费 仅开源

像人一样缩放看图，让多模态模型看清细节

ZoomEye 是一个增强多模态大语言模型（MLLMs）的视觉探索能力的开源项目，核心思路是模仿人类“缩放···

VideoGLaMM 开源 免费 仅开源

让AI看懂视频里每个像素，指哪打哪精准分割

VideoGLaMM 是一个面向视频像素级视觉定位的大型多模态模型，由南洋理工大学等机构在 CVPR 2025 发···