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 2026-08-09 · 当前星标 ★ 96
核心亮点
- 提出树状图像探索机制，显著提升细粒度视觉问答准确率
- 模拟人类视觉注意力，从全局到局部逐步聚焦，符合认知直觉
- 提供完整训练与推理代码，并支持与主流MLLMs集成
不足之处
- 项目处于早期阶段，文档和社区支持待完善
- 树状探索可能增加推理计算开销，实时性有待优化
适用场景
- 高精度图像识别与细粒度视觉问答
- 复杂场景中的目标检测与关系理解
- 辅助视觉障碍人士的图像内容解读
替代项目
LLaVA、Qwen-VL、CogVLM
上一篇：GraspGPT_public
同类项目推荐
core
开源
把零散 OCR 工具串成标准化流水线，古籍数字化更省心
Collection of OCR-related python tools and wrappers from @OCR-D
HTR-VT
开源
用纯 ViT 做手写文字识别，跑通训练到推理
(Pattern Recognition) Pytorch implementation of “HTR-VT: Handwritten Text Recogniti···
001
开源
用代码画图，玩转 WebGL 创意视觉
draw_code.001 — ThreeJS, WebGL & GLSL
FaceAISDK_Android
开源
手机离线跑人脸识别与活体，不联网也能刷脸
Android on_device Face Recognition 、 Liveness detection and 1:N & M:N Face Search S···
colmap
开源
从照片一键重建三维场景，精度高、流程全
COLMAP - Structure-from-Motion and Multi-View Stereo
fractogenesis
开源
从单点出发，用算法长出一整片分形宇宙
Fractal structures grown from a single point, using either cellular automata rules o···
shiping
开源
按快捷键截屏，AI 立刻看懂并解答屏幕内容
识屏 Shiping：截屏 + AI，看懂屏幕上的任何内容。代码、报错、题目、图表、外文资料，按快···
GutenOCR
开源
用 VLM 做 OCR 的训练评测一条龙工具
Open-source tools for training and evaluating Vision Language Models for OCR
setvae
开源
用层次化VAE生成集合数据，搞定点云等无序结构
[CVPR'21] SetVAE: Learning Hierarchical Composition for Generative Modeling of Set-S···