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 2026-10-30 · 当前星标 ★ 312
核心亮点
- 全部以可运行的 Jupyter Notebook 组织，代码、说明与输出同屏，复制改写即可跑通
- 覆盖 OCR、文档解析、结构化抽取、多模态问答等真实业务场景，样例贴近落地需求
- 展示 VLM 与 OCR 结合的混合流程及 ETL 管道写法，可作为多模态应用原型的起点
不足之处
- 强依赖 VLM Run 商业 API 与密钥，脱离该服务后示例价值有限
- 示例深度偏入门，缺少大规模批处理、错误重试与成本控制等生产级实践
适用场景
- 快速验证发票、合同等文档的字段抽取方案
- 团队内部培训多模态 API 的调用范式
- 为图像理解类应用搭建可运行的原型 demo
替代项目
openai-cookbook、anthropic-cookbook、unstructured
同类项目推荐
pixel_mapper
开源
半自动把图像像素映射到三维空间坐标
Semi-automatic mapping of RGB pixels in 3D space using computer vision
Image_Preprocessing_Techniques
开源
一站式图像预处理工具箱，快速提升模型训练效果
image-preprocessing-techniques
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···
awesome-industrial-anomaly-detec···
开源
一库在手，快速检索工业缺陷检测论文与数据集
Paper list and datasets for industrial image anomaly/defect detection (updating). 工···
obs-backgroundremoval
开源
无需绿幕，直播录屏实时抠像换背景
An OBS plugin for removing background in portrait images (video), making it easy to ···
Awesome-Multimodal-Object-Tracki···
开源
一页看全多模态单目标跟踪论文与数据集
A continuously updated project to track the latest progress in the field of multi-mo···
RotoAI
开源
用一句话描述视频中的物体，自动完成逐帧分割抠像。
An open-source studio for prompt-driven video segmentation. Powered by SAM2 & Ground···
rabbit-ear
开源
用代码设计折纸，自动计算折叠过程，输出矢量图。
computational origami library
CLOUDS
开源
多模型协作，让语义分割在陌生场景下依然稳准狠
[CVPR 2024] Official Implementation of Collaborating Foundation models for Domain Ge···