
OpenVisionBanana
一套配方让图生图模型兼顾看懂、生成和修图
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 2026-11-20 · 当前星标 ★ 111
核心亮点
- 复用预训练图生图骨干,避免从零训练统一模型,算力门槛相对可控
- 同时覆盖感知、生成、编辑三类任务,减少多模型维护成本
- 提供完整可复现的训练与适配配方,便于研究者二次实验
不足之处
- 早期项目,星标约 111,社区规模小,问题反馈和文档完善度待观察
- 统一模型在多任务上的精度与专用模型相比可能仍有差距,需自行验证
适用场景
- 研究统一视觉模型的学术实验与消融对比
- 在自有图像数据上微调生成骨干做感知任务
- 构建同时支持图像理解与编辑的原型系统
替代项目
Chameleon、Emu、Janus
上一篇:ANR
下一篇:没有了!
同类项目推荐
deepdoctection
开源
一行代码搭建文档解析流水线,快速提取版面、表格与文本。
A Repo For Document AI
HugsVision
开源
一行代码调用 Hugging Face 视觉模型,快速实现分类、检测与生成
HugsVision is a easy to use huggingface wrapper for state-of-the-art computer vision
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
videoflow
开源
像搭积木一样拼出多进程视频分析流水线
Python framework that facilitates the quick development of complex video analysis ap···
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
[IJCV'2026] Generative Enhancement for 3D Medical Images
ETRIS
开源
冻结大模型,只调少量参数,就能做指代图像分割
[ICCV-2023] The code of Bridging Vision and Language Encoders: Parameter-Efficient T···
YOLOFuse
开源
在 YOLO 上加第二模态,快速做双模态目标检测
Dual-modal YOLO Object Detection Framework
SDMatte
开源
点几下鼠标,扩散模型帮你生成精准抠图
Official code for our ICCV2025 paper "SDMatte: Grafting Diffusion Models for Interac···
system-ocr
开源
调系统自带 OCR,截图取字不装大模型
Ocr api via system API