计算机视觉
GFPGAN
TencentARC/GFPGAN
利用生成式人脸先验修复低质量人像，适合老照片和人脸清晰化实验，可与背景超分辨率工具组合处理整张图片。
★ 37.7K⑂ 6.3KPython
ToolAI.io · GitHub 频道
GitHub 上的 AI 项目目录
一个基于事实的 LLM、智能体、MCP、RAG 和 AI 开发项目索引；每个条目均包含许可证、设置、下载、截图及相关资源。
公开仓库数据
项目索引
机器人与边缘 AI
mediapipe
google-ai-edge/mediapipe
面向移动端、浏览器和边缘设备的机器学习组件，提供视觉、文本与音频任务 API、模型及定制工具。
★ 36.9K⑂ 6.2KC++
计算机视觉
EasyOCR
JaidedAI/EasyOCR
基于 Python/PyTorch 的多语言 OCR 工具，一次调用返回文字区域、识别文本和置信度，便于集成图片信息提取。
★ 30K⑂ 3.6KPython
计算机视觉
PaddleClas
PaddlePaddle/PaddleClas
A treasure chest for visual classification and recognition powered by PaddlePaddle
★ 5.8K⑂ 1.2KPython
多模态 AI
PaddleOCR：OCR and document intelligence
PaddlePaddle/PaddleOCR
ToolAI 对 PaddlePaddle/PaddleOCR 的客观项目介绍。Turn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100+ languages
★ 88K⑂ 11.2KPython
多模态 AI
DeepSeek-OCR：Document OCR and visual understanding
deepseek-ai/DeepSeek-OCR
ToolAI 对 deepseek-ai/DeepSeek-OCR 的客观项目介绍。Contexts Optical Compression
★ 23.8K⑂ 2.2KPython
多模态 AI
Qwen3-VL：Vision-language models
QwenLM/Qwen3-VL
ToolAI 对 QwenLM/Qwen3-VL 的客观项目介绍。Qwen3-VL is the multimodal large language model series developed by Qwen team, Alibaba Cloud
★ 19.8K⑂ 1.8KPython
多模态 AI
Janus：Unified multimodal understanding and generation
deepseek-ai/Janus
ToolAI 对 deepseek-ai/Janus 的客观项目介绍。Janus-Series: Unified Multimodal Understanding and Generation Models
★ 17.8K⑂ 2.2KPython
计算机视觉
supervision
roboflow/supervision
提供可复用的视觉数据处理、检测结果标注与追踪辅助组件。
★ 49.9K⑂ 4.8KPython
多模态 AI
ComfyUI
Comfy-Org/ComfyUI
??????????????? AI ???????????????
★ 136.7K⑂ 16.3KPython
计算机视觉
Segment Anything：用点和框生成图像分割掩码
facebookresearch/segment-anything
Meta 的 SAM 图像分割项目，支持点、框等提示输入，也能自动生成整张图片的候选掩码，适合交互式标注和图像处理流程。
★ 54.8K⑂ 6.4KPython
计算机视觉
DINOv2：用于分类与检索的视觉特征模型
facebookresearch/dinov2
Meta 的自监督视觉模型，提供多种预训练骨干与任务头，可用于图像特征提取、相似图片检索和视觉任务迁移。
★ 13.3K⑂ 1.3KPython
第 2 / 3 页 · 29 个项目