Bibliotecas e ferramentas de visão computacional: os melhores de 2026

Biblioteca open source de visão computacional, com algoritmos de processamento de imagens e visão computacional em C++ e bindings para várias linguagens.

Um mecanismo OCR de código aberto (libtesseract) e uma ferramenta de linha de comando que extraem texto de imagens, com reconhecimento baseado em LSTM e suporte a mais de 100 idiomas.

Currículo introdutório de IA da Microsoft, com 24 aulas ao longo de 12 semanas sobre IA simbólica, redes neurais, visão computacional, NLP e ética, incluindo notebooks em PyTorch e TensorFlow.

Ultralytics YOLO é uma biblioteca Python para visão computacional que abrange detecção, segmentação, classificação, estimativa de pose, rastreamento e muito mais.

Ultralytics YOLOv5, toolkit de visão computacional baseado em PyTorch para detecção de objetos, segmentação de instâncias e classificação de imagens, com recursos de treinamento e exportação.

Toolkit Python com utilitários reutilizáveis de visão computacional para carregar datasets, executar detecções, rastrear objetos e anotar frames.

Aplicativo de desktop gratuito e de código aberto que amplia e melhora imagens de baixa resolução com modelos de upscaling por IA, disponível para Linux, macOS e Windows.

Biblioteca PyTorch com arquiteturas de modelos de imagem, pesos pré-treinados e scripts de treinamento, validação e exportação para tarefas de visão computacional.

Ferramenta para remover fundos de imagens, disponível como CLI, biblioteca Python, servidor HTTP ou contêiner Docker.

Automação de navegador open source que usa LLMs e visão computacional para executar fluxos de trabalho na web em qualquer site, estendendo o Playwright com comandos de IA.

Ferramenta em Python para restauração cega de rostos, que melhora rostos borrados, de baixa qualidade ou danificados em fotos e vídeos usando um transformer com consulta a codebook.

Aplicativo open source para fluxo de trabalho fotográfico e revelação não destrutiva de arquivos raw, com recursos para gerenciar, editar e exportar negativos digitais.

Biblioteca PyTorch que implementa métodos de mapas de ativação de classe (CAM) para visualizar quais regiões da imagem influenciam as previsões de modelos de visão computacional.

Toolkit open source em Rust para registrar, visualizar, consultar e transmitir dados multimodais de robótica e sensores ao longo do tempo.

Toolkit de código aberto para otimizar e implantar modelos de deep learning para inferência em CPUs, GPUs e NPUs Intel.

Aplicativo desktop multiplataforma para anotação assistida por IA de dados de texto, imagem, vídeo, nuvem de pontos e multimodais, com modelos integrados e exportação em vários formatos.

Sistema gratuito e de código aberto de captura de movimento sem marcadores que grava vídeos com várias câmeras e reconstrói movimentos humanos em 3D.

Código de pesquisa da Apple que transforma uma única foto em uma cena 3D Gaussian em menos de um segundo, renderizável de novos pontos de vista próximos.

Wrappers Java e classes auxiliares para OpenCV, FFmpeg e outras bibliotecas de visão computacional e multimídia.

Aplicativo desktop multiplataforma para ampliar imagens com modelos de super-resolução, com suporte a modelos integrados ou personalizados no Windows, macOS e Linux.

Ferramenta open source em Rust que converte imagens raster, como JPG e PNG, em gráficos vetoriais SVG compactos; pode ser usada como CLI, app desktop ou biblioteca.

Biblioteca de OCR de código aberto para Python que detecta e reconhece texto em PDFs e imagens usando modelos de deep learning baseados em PyTorch.

Converte imagens estáticas de diagramas em arquivos DrawIO (XML) editáveis usando segmentação com SAM 3, OCR e reconhecimento de fórmulas LaTeX.

Framework C++ sob LGPL-3.0 para criar ferramentas de automação baseada em reconhecimento de imagem e testes black-box no Windows, Linux, macOS e Android.

Implementação oficial em PyTorch do BiRefNet, um modelo de deep learning para segmentação dicotômica de imagens em alta resolução, usado com frequência para remover fundos.

Uma ferramenta de CLI em Rust e WASM que ajusta pixel art gerada por IA a uma grade uniforme, com uma paleta fixa.

Ferramenta C++ offline que remove marcas d’água visíveis do Gemini por mesclagem alfa reversa, com GUI, CLI e processamento em lote.

Converte capturas de tela de interfaces e mockups de design em HTML/CSS editável usando um pipeline modular multiagente com vários backends de modelo.

Framework de análise de vídeo em C++ que encadeia leitura de streams, inferência de modelos, rastreamento e saída em nós de pipeline plugáveis.

App para macOS que monitora sua postura pela câmera ou pelos sensores de movimento dos AirPods e desfoca a tela gradualmente quando você se curva.

Biblioteca multiplataforma de filtros de imagem e vídeo em C++ que usa OpenGL/ES e oferece efeitos de beleza e baseados em rostos.

Uma coleção de 419 modelos de IA pré-treinados para visão, fala, NLP e LLMs, todos executáveis por uma CLI Python unificada usando o ailia SDK.

Framework de super-resolução de vídeo por difusão em uma etapa, voltado ao upscaling em tempo real, desenvolvido em Python com modelos baseados em Wan.

Aplicativo web para executar o DeepSeek-OCR em imagens e PDFs, com frontend em React, backend em FastAPI e configuração com Docker.

Engine de IA de borda em C++ que transforma análises de vídeo e modelos VLM executados no dispositivo em aplicações implantáveis em hardware Sophon, Rockchip RKNN e x86.

Base de conhecimento de vídeos auto-hospedada e local-first que indexa seus vídeos com transcrição, análise de quadros e embeddings, permitindo buscar cenas em linguagem natural.

Microsserviço baseado em Docker e interface Gradio que segmentam páginas de PDF em títulos, textos, tabelas, imagens e outros elementos, com OCR e conversão para Markdown/HTML.

NEO é uma família de modelos nativos de visão e linguagem que processam pixels e palavras em uma única arquitetura densa sem encoder, com código de treinamento e avaliação.

Transforma celulares Android sem uso em câmeras de rede na LAN, com um painel Flask no PC para prévia MJPEG ao vivo, gravação e análise opcional acionada por IA.

Gerenciador de guarda-roupa auto-hospedado: fotografe as roupas, deixe a IA classificá-las e receba sugestões diárias de looks conforme o clima e a ocasião.

Ferramenta local de compressão de imagens e GIFs com foco em privacidade para Web, Windows, macOS e Linux, com comparação, redimensionamento, conversão e renomeação.

Um modelo multimodal unificado que realiza tarefas de visão computacional, como detecção, OCR, segmentação, estimativa de profundidade e geometria multivista, por meio da geração de texto e imagens.

Segure uma tecla, articule palavras em silêncio diante da webcam e o Lipflow digita o texto reconhecido no cursor, rodando localmente.

App para macOS com foco no uso local, que permite buscar fotos e trechos de vídeo em qualquer pasta usando descrições em linguagem natural e IA executada no dispositivo.

Um LLM de vídeo treinado com transcrição de fala em streaming que gera comentários em tempo real sobre vídeos ao vivo, apresentado no artigo LiveCC da CVPR 2025.

Removedor de fundo open source que funciona inteiramente no navegador com WebGPU ou WebAssembly, sem enviar imagens.

Ferramenta web de imagens self-hosted em Docker para converter mais de 70 formatos, comprimir em lote, recortar arquivos individualmente e remover fundos com IA local.

Aplicativo web em Streamlit que transforma imagens bitmap enviadas em vetores SVG editáveis, usando o mecanismo de vetorização Vecto em .NET.

Aplicativo gratuito para desktop e uso offline que pontua e explica momentos de destaque em vídeos locais com sinais de cena, movimento, áudio, objetos e transcrição.

Ferramenta de linha de comando e biblioteca Python que transforma uma imagem no estilo whiteboard em um MP4 renderizado na CPU, com revelação desenhada à mão e ritmo opcionalmente sincronizado à narração.

Um app desktop com foco em privacidade que organiza e agrupa fotos por rosto, data e localização, funcionando totalmente offline no Windows e no macOS.

GUI web auto-hospedada para ImageMagick com remoção de fundo por IA em um clique, processamento em lote e editor ao vivo, implantada via Docker.

Transforma qualquer foto em um desenho de linha contínua, renderizado no papel com caneta, lápis, tinta ou pintura, e grava o processo de desenho, tudo no navegador.

App gratuito de pintura e marcação de capturas de tela para macOS, com marcadores numerados, além do PaintKit, um pacote Swift sem interface para desenho e processamento de imagens.