AI · 算法工程
共 1,644 个仓库 · Python
用神经网络学习多视角一致的隐式场景表示，从一组图像中估计相机参数，实现无需传统匹配流程的稀疏重建与相机定位。
轻量级车牌文字识别 OCR 模型，支持 Keras、JAX 和 ONNX Runtime，可快速集成到车牌识别流水线中。
提供模糊字符串匹配、分组和评估的 Python 库，支持编辑距离、TF-IDF 和 BERT 嵌入等多种相似度算法，适合做实体对齐和文本去重。
把文档解析、知识图谱和向量检索串成一套本体增强的 RAG 方案，让 AI Agent 基于结构化知识作答，减少胡编乱造。
基于 Windows Desktop Duplication API 的 Python 高性能截屏库，低延迟抓取屏幕画面，适合给计算机视觉和智能体应用做实时输入。
一份简洁易读的扩散模型训练与采样代码，适合想搞懂扩散模型原理、动手复现图像生成流程的开发者。
单卡微调大模型前的显存预检工具，估算显存占用并给出可直接跑的 LoRA/QLoRA 配置，避免盲目开训就爆显存。
改一行代码就能把 Playwright/Puppeteer 换成隐身 Chromium 内核，绕过反爬和指纹检测，让爬虫和浏览器自动化不再被封。
基于 PyTorch/MXNet 的 Python 文字检测工具包，能从图片中定位中英文场景文字、数学公式和版面结构，适合 OCR 前处理与文档解析。
CodeGate: Security, Workspaces and Multiplexing for AI Agentic Frameworks
面向具身智能的一站式 VLA 工程平台，打通数据、模型训练到真机部署全流程，省去自己拼装工具链的麻烦。
YOLO-Master 是腾讯开源的实时目标检测模型，用专家混合（MoE）搭配专用 Transformer 提升检测精度与速度，支持检测、分割和分类任务。
轻量级上下文感知语音合成模型，仅2.19亿活跃参数，支持声音克隆和流式输出，纯C实现可在CPU上离线运行，附带完整的实时语音助手方案。
把组织切片图像做空间拓扑重建和切片间对齐，为空间组学分析提供三维组织坐标，解决连续切片难以配准的问题。
极简但开箱即用的世界模型研究代码库，集成扩散模型、视频生成与模型预测控制，方便快速复现和推进世界模型实验。
把 TensorFlow、PyTorch、Caffe、ONNX 等模型一键转成飞桨格式，省去跨框架迁移时重写网络和权重的麻烦。
在免费 Kaggle TPU v5e-8 上跑 GLM-5.3-Flash 320B MoE 和 Qwen3.8-27B 等前沿大模型，自研 JAX 推理引擎支持 262k 长上下文和前缀缓存，可接入 Claude Code 等编码代理。
基于 CrewAI 多智能体协作的视频剪辑助手，自动完成视频下载、语音转写和片段剪辑，适合批量产出短视频素材。
用高斯层级表示做三维重建和新视角合成，能从多视角图像重建可实时渲染的场景，适合需要高质量渲染的 3D 视觉任务。
一站式评估 AI 数据、模型和应用质量的工具，能检测数据质量、幻觉等问题并生成质量报告，适合做数据清洗与模型上线前的质量把关。
一套 MANET IP 网状无线电工具包，用 batman-adv、LoRa、HaLow 等协议把设备组成去中心化自组网，适合无网络覆盖的离网通信场景。
在本地网络内用开源大模型完成文件摄取与检索增强生成，数据不出内网、不依赖第三方服务。
让 Hermes Agent 和 OpenClaw 两个 AI 智能体共用同一个微信账号，实现双智能体在同一微信号上协同响应消息。
自托管的 AI Agent 平台，统一接入 Claude Code、Codex、Gemini 等编码代理，帮 AI 原生团队做代理编排、运行时管理与可观测治理。