langvio
用自然语言问视频，YOLO 检测加 LLM 直接给答案
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-10-26 · 当前星标 ★ 425
核心亮点
- 把 YOLO 检测结果与 LLM 语义推理串成一条管线，省去自己写胶水代码
- 以自然语言查询视频内容，降低非视觉专业开发者的使用门槛
- Python 实现，依赖主流视觉与 LLM 生态，原型搭建速度快
不足之处
- 早期项目，API 与文档可能频繁变动，稳定性待观察
- 视频逐帧处理对算力与调用成本敏感，大规模场景缺少优化说明
适用场景
- 监控视频片段的对象检索与语义问答
- 教学或演示场景中自动生成视频内容描述
- 快速验证「检测+LLM」组合的算法原型
替代项目
Video-LLaVA、LLaVA-NeXT-Video、Grounding DINO
同类项目推荐
dsh-vision-router
开源
一条命令给文本 agent 装上眼睛，免费看图问答
Eyes for text-only DeepSeek Harness agents: built-in free vision chain (no key) + pi···
D-FINE-seg
开源
检测加分割一网打尽，训练到 TensorRT 部署全流程
D-FINE-seg Object Detection and Segmentation Framework (Train, Export, Inference)
obsidian-ocr
开源
让 Obsidian 搜索穿透图片和 PDF，截图文字也能搜到
Obsidian OCR allows you to search for text in your images and pdfs
annolid
开源
拖拽标注视频，自动追踪动物并分析行为
An annotation and instance segmentation-based multi-object tracking and behavior ana···
fashn-vton-1.5
开源
上传衣服和照片，秒出试穿效果，无需手动抠图
FASHN VTON v1.5: Efficient Maskless Virtual Try-On in Pixel Space
isaac_ros_image_segmentation
开源
在 Jetson 上用 GPU 加速跑语义分割，实时又省心。
NVIDIA-accelerated, deep learned semantic image segmentation
EventGPT
开源
让大模型看懂事件相机数据，实现动态场景理解与问答
[CVPR2025] EventGPT: Event Stream Understanding with Multimodal Large Language Model···
yomihon
开源
看日漫直接 OCR 查词，边读边学不切应用
Free and open source manga reader for Android - now with OCR (text recognition)
ExtractPDF4J
开源
Java 库从文本/扫描 PDF 里抽结构化表格
Java PDF table extraction & OCR library. Extract structured tables from text-based a···