计算机视觉

DQ-DETR 开源 免费 仅开源

动态查询让 DETR 不再漏检小目标

DQ-DETR 是一个面向微小目标检测的 DETR 改进项目，论文同名实现。传统 DETR 系列使用固定数量的查···

scene-language 开源 免费 仅开源

用程序+文字+嵌入，一句话生成可编辑的3D场景

Scene Language 是一个 CVPR 2025 Highlight 项目，提出了一种用程序、文字和嵌入向量统一表示3D场···

text-extract-api 开源 免费 仅开源

一条 API 把 PDF/图片变成干净 JSON，还能自动抹掉隐私信息

text-extract-api 是一个基于 Python 的文档解析服务，旨在将 PDF、Word、PPTX 等格式的文档以及图···

VLM-Grounder 开源 免费 仅开源

零样本 3D 定位，用自然语言直接找到目标物体

VLM-Grounder 是一个面向零样本 3D 视觉定位的智能体框架，基于视觉语言模型（VLM）实现。它解决了···

xvr 开源 可打开

5分钟训出患者专属2D/3D配准模型

xvr 是一个面向医学影像的 2D/3D 配准开源项目，论文发表于 Nature。它解决的核心问题是：传统患者···

DocLayout-YOLO 开源 免费 仅开源

专为文档版面打造的轻量检测模型，快速框出标题表格图片

DocLayout-YOLO 是面向文档版面分析的目标检测模型，在 YOLO 框架上针对文档图像做专项优化。它要解···

SensorLLM 开源 免费 仅开源

让大模型读懂传感器数据，零样本识别人类活动

SensorLLM是EMNLP 2025的官方实现，旨在将大语言模型与运动传感器数据对齐，用于人类活动识别。它解···

Awesome-Try-On-Models 开源 免费 仅开源

一站式找到虚拟试穿最新论文和代码，快速上手。

这是一个虚拟试穿（Virtual Try-on）领域的资源聚合仓库，系统整理了相关论文、代码和工具。它解决···

SG-Nav 开源 免费 仅开源

给机器人装上'3D地图+大脑'，零训练就能找东西

SG-Nav 是一个面向机器人导航的零样本目标定位框架，核心解决大型语言模型（LLM）在未知环境中无法···

Pair-VPR 开源 免费 仅开源

用视觉Transformer让机器人认路更准，不怕光照季节变化

Pair-VPR 是一个基于视觉 Transformer 的视觉地点识别（VPR）开源模型，发表于 IEEE RA-L 2025。它···

3DGS-DET 开源 免费 仅开源

用3D高斯泼溅做室内3D检测，边界更准、小目标更稳

3DGS-DET 是论文《3DGS-DET: Empower 3D Gaussian Splatting with Boundary Guidance and Box-Focu···

awesome-3D-scene-graphs 开源 免费 可打开

3D场景图论文与代码一站查，调研省时

这是一个面向3D场景图（3D Scene Graph）研究的资源合集，系统整理了该方向的论文、代码、数据集与···

Altbot 开源 免费 仅开源

给 Fediverse 图片视频自动补 alt-text，视障用户也能刷到内容

Altbot 是一个面向 Fediverse（联邦宇宙）的无障碍机器人，用 Go 语言编写，核心目标是为 Mastodon···

litepali 开源 免费 仅开源

轻量级图像检索，云端部署省资源，检索快人一步

LitePali 是一个轻量高效的 ColPali 实现，专注于图像检索与索引，专为云端部署优化。它解决了传统···

HTR-VT 开源 免费 仅开源

用纯 ViT 做手写文字识别，跑通训练到推理

HTR-VT 是论文《HTR-VT: Handwritten Text Recognition with Vision Transformer》的 PyTorch 官方···

notebooks 开源 免费 仅开源

云端一键跑通 YOLO 训练与推理全流程

这是 Ultralytics 官方维护的 YOLO 系列教程笔记本合集，主要面向 Colab、Kaggle 和 SageMaker 等云···

instanseg 开源 免费 仅开源

显微图像一键分割细胞核，省去手工标注

InstanSeg 是一个基于 PyTorch 的细胞与细胞核分割工具，专门处理荧光和明场显微镜图像。它解决的是···

SARATR-X 开源 免费 仅开源

用基础模型让雷达图像识别更准更省标注

SARATR-X 是一个面向合成孔径雷达（SAR）目标识别的基础模型，旨在解决传统 SAR 图像解译依赖人工特···

scribe.js 开源 免费 仅开源

浏览器里直接识别图片和 PDF 文字，无需后端

scribe.js 是一个纯 JavaScript 的 OCR 与文本提取库，可在浏览器和 Node.js 中直接识别图片与 PDF···

Awesome-Robotics-3D 开源 免费 仅开源

一网打尽机器人3D视觉前沿论文与代码

Awesome-Robotics-3D 是一个精选资源列表，专注于大模型（LLM/VLM）时代下机器人领域的 3D 视觉研究···

D-FINE 开源 免费 仅开源

把 DETR 回归变细粒度，定位更准、收敛更快

D-FINE 是一个基于 DETR 的端到端目标检测模型，核心创新在于将 DETR 中的回归任务重新定义为细粒度···

PartGLEE 开源 免费 仅开源

识别并解析任意物体的部件，让AI看懂物体内部结构

PartGLEE是一个基于深度学习的视觉基础模型，旨在实现开放世界中的任意物体识别与解析。它能够同时···

RapidOcrNet 开源 免费 仅开源

C# 跨平台离线 OCR，加载 PaddleOCR ONNX 模型直接识别文字

RapidOcrNet 是一个基于 C# 的跨平台 OCR 处理库，底层复用 RapidAI 的 RapidOCR 方案，并加载 Pad···

AnomalyDINO 开源 免费 仅开源

用少量正常样本，精准揪出图像中的异常区域

AnomalyDINO 是一个基于 DINOv2 的少样本异常检测开源模型，发表于 WACV2025。它针对工业质检中标注···