Bibliotecas y herramientas de visión artificial: los mejores de 2026

Open Source Computer Vision Library: biblioteca de C++ de procesamiento de imágenes y algoritmos de visión artificial, con bindings para varios lenguajes.

Motor de OCR de código abierto (libtesseract) y herramienta de línea de comandos para extraer texto de imágenes, con reconocimiento basado en LSTM y compatibilidad con más de 100 idiomas.

Un plan de estudios de IA para principiantes de Microsoft, de 12 semanas y 24 lecciones, que abarca IA simbólica, redes neuronales, visión por computadora, NLP y ética, con notebooks en PyTorch y TensorFlow.

Ultralytics YOLO es una biblioteca de Python para visión artificial que abarca detección, segmentación, clasificación, estimación de pose, seguimiento y más.

Ultralytics YOLOv5 es un kit de herramientas de visión artificial basado en PyTorch para detectar objetos, segmentar instancias y clasificar imágenes, con funciones de entrenamiento y exportación.

Toolkit de Python con utilidades reutilizables de visión por computadora para cargar datasets, ejecutar detecciones, rastrear objetos y anotar fotogramas.

Aplicación de escritorio gratuita y de código abierto que amplía y mejora imágenes de baja resolución con modelos de escalado mediante IA, en Linux, macOS y Windows.

Biblioteca de PyTorch con arquitecturas de modelos de imagen, pesos preentrenados y scripts de entrenamiento, validación y exportación para tareas de visión artificial.

Herramienta para eliminar fondos de imágenes, disponible como CLI, biblioteca de Python, servidor HTTP o contenedor Docker.

Automatización web de código abierto que usa LLM y visión artificial para ejecutar flujos de trabajo en cualquier sitio y amplía Playwright con comandos de IA.

Herramienta de Python para restauración facial ciega: mejora rostros borrosos, de baja calidad o dañados en fotos y videos mediante un transformer con búsqueda en un libro de códigos.

Aplicación de código abierto para flujos de trabajo fotográficos y revelado no destructivo de archivos raw, que permite gestionar, editar y exportar negativos digitales.

Una biblioteca de PyTorch que implementa métodos de mapas de activación de clases (CAM) para visualizar qué regiones de una imagen impulsan las predicciones de un modelo de visión artificial.

Kit de herramientas de código abierto en Rust para registrar, visualizar, consultar y transmitir datos multimodales de robótica y sensores a lo largo del tiempo.

Toolkit de código abierto para optimizar e implementar modelos de deep learning para inferencia en CPU, GPU y NPU de Intel.

Aplicación de escritorio multiplataforma para etiquetar con ayuda de IA datos de texto, imágenes, video, nubes de puntos y datos multimodales, con modelos integrados y exportación a varios formatos.

Sistema gratuito y de código abierto de captura de movimiento sin marcadores que graba video con varias cámaras y reconstruye el movimiento humano en 3D.

Código de investigación de Apple que convierte una sola foto en una escena de Gaussianas 3D en menos de un segundo, lista para renderizar desde nuevos puntos de vista cercanos.

Wrappers de Java y clases auxiliares para OpenCV, FFmpeg y otras bibliotecas de visión artificial y multimedia.

Aplicación de escritorio multiplataforma para ampliar imágenes con modelos de superresolución, con modelos integrados y personalizados para Windows, macOS y Linux.

Herramienta open source en Rust que convierte imágenes rasterizadas, como JPG y PNG, en gráficos vectoriales SVG compactos; disponible como CLI, app de escritorio o biblioteca.

Biblioteca OCR de Python de código abierto que detecta y reconoce texto en PDF e imágenes con modelos de deep learning basados en PyTorch.

Convierte imágenes estáticas de diagramas en archivos DrawIO (XML) editables mediante segmentación con SAM 3, OCR y reconocimiento de fórmulas LaTeX.

Framework de C++ con licencia LGPL-3.0 para crear herramientas de automatización y pruebas de caja negra basadas en reconocimiento de imágenes en Windows, Linux, macOS y Android.

Implementación oficial en PyTorch de BiRefNet, un modelo de deep learning para la segmentación dicotómica de imágenes de alta resolución, usado habitualmente para eliminar fondos.

Una herramienta CLI y WASM en Rust que ajusta el pixel art generado por IA a una cuadrícula uniforme con una paleta fija.

Herramienta C++ offline que elimina marcas de agua visibles de Gemini en imágenes mediante mezcla alfa inversa, con GUI, CLI y procesamiento por lotes.

Convierte capturas de interfaces y maquetas de diseño en HTML/CSS editable mediante un pipeline modular multiagente compatible con varios modelos.

Framework de análisis de video en C++ que conecta nodos intercambiables para leer streams, ejecutar inferencias de modelos, hacer seguimiento y generar resultados.

Una app para macOS que vigila tu postura con la cámara o los sensores de movimiento de los AirPods y desenfoca progresivamente la pantalla cuando te encorvas.

Biblioteca multiplataforma de filtros de imagen y video en C++ que funciona con OpenGL/ES e incluye efectos de belleza y basados en el rostro.

Colección de 419 modelos de IA preentrenados para visión, voz, NLP y LLM, ejecutables desde una CLI de Python común mediante ailia SDK.

Framework de superresolución de video por difusión en streaming y de un solo paso, pensado para el escalado en tiempo real, basado en Python y modelos Wan.

Aplicación web para ejecutar DeepSeek-OCR con imágenes y PDF, con frontend en React, backend en FastAPI y configuración de Docker.

Motor de IA en el edge escrito en C++ que convierte el análisis de video y los modelos VLM en el dispositivo en aplicaciones desplegables en hardware Sophon, Rockchip RKNN y x86.

Base de conocimiento de videos autohospedada y local-first que transcribe y analiza los fotogramas de tus videos, genera embeddings y permite buscar escenas en lenguaje natural.

Microservicio basado en Docker e interfaz de Gradio que segmenta las páginas de PDF en títulos, texto, tablas, imágenes y más, con OCR y conversión a Markdown/HTML.

NEO es una familia de modelos nativos de visión y lenguaje que procesan píxeles y palabras en una arquitectura densa sin encoder, e incluye código de entrenamiento y evaluación.

Convierte teléfonos Android en desuso en cámaras de red local, con un panel Flask en la PC para vista previa MJPEG en vivo, grabación y análisis opcional activado por IA.

Gestor de armario autoalojado: fotografía tu ropa, la IA la etiqueta y te sugiere conjuntos diarios según el clima y la ocasión.

Herramienta local de compresión de imágenes y GIF que prioriza la privacidad, para Web, Windows, macOS y Linux, con comparación, cambio de tamaño, conversión y renombrado.

Un modelo multimodal unificado que realiza tareas de visión por computadora como detección, OCR, segmentación, estimación de profundidad y geometría multivista mediante generación de texto e imágenes.

Mantén una tecla presionada, articula palabras en silencio frente a la webcam y Lipflow escribirá el texto reconocido donde esté el cursor, todo de forma local.

App de macOS local-first que permite buscar fotos y fotogramas de video en cualquier carpeta describiéndolos en lenguaje natural, con IA ejecutada en el dispositivo.

Un LLM de video entrenado con transcripciones de voz en streaming que genera comentarios en tiempo real sobre videos en vivo, presentado en el artículo LiveCC de CVPR 2025.

Elimina fondos de imágenes directamente en el navegador con WebGPU o WebAssembly, sin subirlas a ningún servidor.

Caja de herramientas web autohospedada en Docker para convertir más de 70 formatos de imagen, comprimir archivos en lote, recortarlos por separado y eliminar fondos con IA local.

Aplicación web de Streamlit que convierte imágenes de mapa de bits cargadas en vectores SVG editables mediante el motor de trazado Vecto para .NET.

Aplicación de escritorio gratuita y sin conexión que puntúa y explica los momentos destacados de videos locales mediante señales de escenas, movimiento, audio, objetos y transcripciones.

Herramienta de línea de comandos y biblioteca de Python que convierte una imagen estilo pizarra en un MP4 renderizado en CPU que se revela como si estuviera dibujado a mano, con ritmo ajustable a la narración.

Una app de escritorio que prioriza la privacidad y organiza tus fotos por rostros, fecha y ubicación, totalmente offline en Windows y macOS.

Interfaz web autoalojada para ImageMagick, con eliminación de fondos con IA en un clic, procesamiento por lotes y editor en vivo; se despliega con Docker.

Convierte cualquier foto en un dibujo de una sola línea continua sobre papel, con pluma, lápiz, tinta o pintura, y graba el proceso en el navegador.

Aplicación gratuita de pintura y anotación de capturas para macOS, con marcadores de pasos numerados, y PaintKit, un paquete Swift sin interfaz para dibujar y procesar imágenes.