“computer-vision” 相关开源项目

本地优先的视频知识库，对视频做转录、画面分析与向量索引，支持用自然语言搜索视频内容和片段。

基于 React 与 FastAPI 的网页应用，用 DeepSeek-OCR 识别图片和多页 PDF，可导出 Markdown、HTML、DOCX 或 JSON。

一款注重隐私的桌面应用，完全在本机上按人脸、日期和地点整理与分组照片，无需上传云端。

WorldGrow 的研究代码，从一个种子方块出发，逐块生成可行走的无限显式 3D 世界。

收录 419 个预训练 AI 模型，覆盖视觉、语音、NLP 与大模型，均可通过统一命令行运行。

基于 Python 的图片背景移除工具，可作为命令行、代码库、HTTP 服务或 Docker 容器使用。

将 UI 截图和设计稿转换为可编辑的 HTML/CSS 代码，采用模块化多智能体流程。

将流程图、架构图、公式等静态图片转换为可编辑的 DrawIO（XML）文件。

基于 PyTorch 的盲人脸修复模型，利用码本查找 Transformer 修复模糊、低质量或老旧的人脸图像。

把闲置安卓手机变成局域网摄像头节点，配合电脑端面板实现实时预览、录像与可选的 AI 事件分析。

跨平台桌面图像超分辨率工具，支持内置模型或自定义模型，覆盖 Windows、macOS 和 Linux。

基于 PyTorch 深度学习的开源 Python OCR 库，可识别 PDF 和图片中的文字。

无声唇读听写工具：按住快捷键无声说话，摄像头识别口型后把文字输入到光标处，本地运行。

面向 Sophon、Rockchip RKNN 与 x86 的 C++ 边缘 AI 引擎，用于视频分析与端侧 VLM 应用部署。

一个统一多模态模型，通过自然语言指令生成文本、图像或图文结合的结果，完成多种计算机视觉任务。

基于 PyTorch 的开源医学影像深度学习框架，覆盖数据预处理、网络、损失函数与评估指标。

自托管衣橱管理应用，用 AI 为衣物照片打标签，并根据天气和场合推荐每日穿搭。

基于 C++ 的视频结构化分析框架，以可组合的节点流水线运行 CV 模型与多模态大模型。

基于 Docker 的 PDF 版面分析微服务，识别标题、正文、表格、图片等元素，并可转换为 Markdown 或 HTML。