vision

本仓库包含使用HuggingFace Transformers库构建的演示案例

可视化多模态数据流。免费、快速、易用且易于集成。基于Rust构建。

一款开箱即用、支持主流框架的PHP部署工具

OpenVINO™是用于优化和部署AI推理的开源工具套件

🦙 LaMa图像修复：基于傅里叶卷积的鲁棒大掩码修复方案，WACV 2022

一套关于前沿计算机视觉模型与技术的教程合集，涵盖从ResNet等基础架构到YOLO11、RT-DETR、SAM 2、Florence-2、PaliGemma 2和Qwen2.5VL等尖端模型的全方位探索。

RealSense软件开发工具包

麻省理工学院6.S191课程实验材料：深度学习导论

领先的免费开源人脸识别系统

🚨 Prometheus 告警规则集

RF-DETR是由Roboflow开发的实时目标检测与分割模型架构，在COCO数据集上达到最优水平，专为微调设计

摄取、解析并优化任意数据格式 ➡️ 从文档到多媒体 ➡️ 以增强与GenAI框架的兼容性

Stream 推出的开放视觉智能体平台。使用任意模型或视频提供商快速构建视觉智能体。利用 Stream 的边缘网络实现超低延迟。

面向多模态AI的开放式湖仓格式。仅需两行代码即可从Parquet转换，实现百倍速随机访问、向量索引与数据版本管理。兼容Pandas、DuckDB、Polars、Pyarrow及PyTorch，并持续扩展集成生态。

成为顶尖的人工智能与机器学习研究工程师

BLIP 模型的 PyTorch 实现：通过自举法实现语言-图像预训练，达成统一视觉-语言理解与生成

由 AI 驱动的漫画翻译器，用 Rust 编写。

基于机器学习的漫画翻译工具，采用Rust语言编写。

基于图像识别的自动化黑盒测试框架

MLX-VLM：基于MLX在Mac上进行视觉语言模型推理与微调的工具包

Webots机器人模拟器

这是一本 Phi 系列 SLM 书籍，用于入门 Phi 模型。 Phi 是微软开发的一系列开源人工智能模型。 Phi 模型是现有功能最强大、最具成本效益的小语言模型 (SLM)，在各种语言、推理、编码和数学基准测试中，其性能优于相同大小和更高大小的模型

[CVPR 2024] 面向实时动态场景渲染的4D高斯泼溅技术

LichtFeld工作室：现实与数字世界的交融之处