
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 2026-10-07 · 当前星标 ★ 158
核心亮点
- 用 PowerShell 实现,Windows 环境零依赖快速跑通
- 把视觉任务拆成文本模型可执行的技能步骤,不改模型即可扩展
- 面向 DeepSeek 等文本模型,降低多模态接入成本
不足之处
- 仅支持 PowerShell,跨平台与 Linux 部署受限
- 早期项目,技能覆盖面和稳定性待更多验证
适用场景
- 给 DeepSeek 等文本模型加图片问答能力
- 本地/私有环境做图片内容提取与 OCR 辅助
- 低成本验证多模态场景,避免直接换多模态模型
替代项目
LLaVA、MiniGPT-4
同类项目推荐
RCS-YOLO
开源
给 YOLO 加注意力模块,脑肿瘤检测又快又准
[MICCAI'23] Official implementation of "RCS-YOLO: A Fast and High-Accuracy Object De···
sparsefusion
开源
从稀疏视角生成高质量3D模型,重建新视角图像
[CVPR 2023] SparseFusion: Distilling View-conditioned Diffusion for 3D Reconstructio···
talk2bev
开源
让自动驾驶地图能听懂人话,直接问答周围环境
Talk2BEV: Language-Enhanced Bird's Eye View Maps (ICRA'24)
makeacopy
开源
离线拍照扫文档,OCR 转文字,隐私不外泄
MakeACopy is an open-source document scanner app for Android that allows you to digi···
NI-Tex
开源
从平铺图一键生成贴合人体的3D服装纹理
[CVPR 2026 Highlight] It's the official repository of "NI-Tex: Non-isometric Image-b···
ComfyUI-Qwen-VL-API
开源
在ComfyUI里直接调用通义千问视觉模型,让图像生成更智能
QWen-VL-Plus & QWen-VL-Max in ComfyUI
ocr-rs
开源
Rust 一行调用,多语言 OCR 本地跑
高性能OCR识别库,支持上百种语言,提供命令行、图形界面及C API多种调用方式,使用便捷高···
MOOSE
开源
一次 PET/CT 扫描,自动分割 120 类器官组织
MOOSE (Multi-organ objective segmentation) a data-centric AI solution that generates···
FernRPExample
开源
在Unity里用Stable Diffusion生成贴图,直接驱动NPR/PBR渲染
This project is the implementation of FernRP Package, Include NPR/PBR.