মাল্টিমোডাল AI
DeepSeek-OCR — Document OCR and visual understanding
deepseek-ai/DeepSeek-OCR
Contexts Optical Compression
★ 23.8K⑂ 2.2KPython
ToolAI.io · GitHub চ্যানেল
GitHub-এ AI প্রজেক্ট ডিরেক্টরি
বিষয়, ভাষা ও লাইসেন্স অনুযায়ী সাজানো GitHub-এর ওপেন-সোর্স AI প্রজেক্টের সম্পূর্ণ ToolAI ডিরেক্টরি ব্রাউজ করুন।
পাবলিক রিপোজিটরির তথ্য
প্রকল্পের সূচি
মাল্টিমোডাল AI
Qwen3-VL — Vision-language models
QwenLM/Qwen3-VL
Qwen3-VL is the multimodal large language model series developed by Qwen team, Alibaba Cloud
★ 19.8K⑂ 1.8KPython
মাল্টিমোডাল AI
Janus — Unified multimodal understanding and generation
deepseek-ai/Janus
Janus-Series: Unified Multimodal Understanding and Generation Models
★ 17.8K⑂ 2.2KPython
কম্পিউটার ভিশন
supervision
roboflow/supervision
Reusable utilities for computer vision data handling, detection annotation and tracking workflows.
★ 49.9K⑂ 4.8KPython
কম্পিউটার ভিশন
PaddleDetection
PaddlePaddle/PaddleDetection
Object Detection toolkit based on PaddlePaddle. It supports object detection, instance segmentation, multiple object tracking and real-time multi-person keypoint detection.
★ 14.3K⑂ 3KPython
কম্পিউটার ভিশন
PaddleSeg
PaddlePaddle/PaddleSeg
Easy-to-use image segmentation library with awesome pre-trained model zoo, supporting wide-range of practical tasks in Semantic Segmentation, Interactive Segmentation, Panoptic Segmentation, Image Matting, 3D Segmentation, etc.
★ 9.4K⑂ 1.7KPython
কম্পিউটার ভিশন
sam2
facebookresearch/sam2
The repository provides code for running inference with the Meta Segment Anything Model 2 (SAM 2), links for downloading the trained model checkpoints, and example notebooks that show how to use the model.
★ 19.6K⑂ 2.5KJupyter Notebook
পৃষ্ঠা 2 / 2 · 19টি প্রজেক্ট