AI · 算法工程
共 1,645 个仓库 · Python
从单张图片生成结构化、可分解的 3D 网格模型，把物体拆成多个部件分别建模，方便后续编辑和装配。
轻量级裸露内容检测模型，可识别图片中的 NSFW 内容，支持 Keras 和 ONNX Runtime 推理，适合做内容审核和过滤。
用光线追踪和混合光栅化渲染高斯粒子的 3D 重建工具，能提升高斯泼溅场景的渲染质量与真实感。
把任意电脑或边缘设备变成计算机视觉推理服务器，一条命令部署目标检测、分类、实例分割等模型，省去自己搭服务的麻烦。
开源复现并扩展 Google Research 的 PaperBanana，用多智能体自动生成学术论文配图、示意图和研究可视化，还能做幻灯片。
用 YAML 声明式数据契约来定义和校验数据质量，支持数据剖析、监控与测试，帮数据团队尽早发现数据可靠性问题。
用 Qwen3-ASR、Whisper 和本地 LLM 给日语音视频自动生成字幕，靠 TEN-VAD 和降噪处理应对嘈杂背景音。
Personal document manager (Linux/Windows) -- Moved to Gnome's Gitlab
面向开发者的 LLM 多智能体框架，用 Python 快速搭建和编排多个智能体协作的应用。
通用细胞分割算法，支持人工介入校正分割结果，适用于各类显微图像中的细胞检测与分割任务。
LandingAI 官方命令行工具，在终端里解析 PDF 等文档，并按自定义 schema 抽取结构化数据，省去写代码调接口的麻烦。
用大模型从编译后的二进制程序还原并验证 C/C++ 源码，把反编译、源码恢复和校验串成自动化流程，适合逆向工程和安全分析场景。
用开源大模型驱动 AI 操作电脑桌面，配合 E2B 桌面沙箱安全执行点击、输入等操作，可替代 Claude 的闭源 computer-use 方案。
ailia SDK 的预训练模型合集，覆盖动作识别、人脸检测、背景移除、语音处理等任务，拿来就能跑推理，省去自己找模型和调参的功夫。
GLM-4.6V/4.5V/4.1V-Thinking 系列视觉语言模型，通过可扩展强化学习提升多模态推理能力，支持图像理解、视频理解和图文问答。
GPTQ 是 ICLR 2023 论文的官方实现，能在训练后把 GPT 类大模型量化到 3/4 比特，几乎不掉精度，大幅降低显存占用和推理成本。
在 ComfyUI 里搭建 LLM Agent 的框架，接入 MCP、GraphRAG、语音合成与 OCR 节点，兼容 OpenAI 接口的各类模型和本地 GGUF 模型。
把新闻自动做成 YouTube Shorts 的流水线：生成脚本、AI 画面、配音、字幕并上传，省去手工剪辑。
给 AI Agent 用的长期记忆系统，支持语义记忆和多 Agent 共享记忆管理，让智能体跨会话记住上下文。
Open3D 的 3D 机器学习扩展，提供点云与 RGBD 数据的语义分割、目标检测等任务的训练与可视化工具，支持 PyTorch 和 TensorFlow。
汇总基于大语言模型的智能体（LLM Agent）相关论文，方便研究者快速查找和跟进该方向的学术进展。
AutoAWQ implements the AWQ algorithm for 4-bit quantization with a 2x speedup during inference. Documentation:
面向 AI 原生应用的分布式向量搜索引擎，支持混合检索和 RAG 场景，帮你在海量向量里快速找到相关内容。
把代码生成过程自动转成教学视频，靠多智能体协作完成脚本、代码和画面编排，适合做编程课程或技术讲解素材。