AI · 算法工程
共 1,644 个仓库 · Python
把 SAM、MobileSAM、EfficientSAM、SAM 2/2.1 和 SAM 3 导出成 ONNX 模型，方便在任意平台跑可移植的图像分割，不用绑死原始框架。
用大模型自动给科研论文打标注，结合向量检索定位相关内容，省去人工逐篇阅读和整理文献的功夫。
基于 Real-ESRGAN 的图片与视频 AI 超分工具，带图形界面，支持 N 卡、A 卡和 Intel GPU，可降噪并去除压缩伪影。
把生成模型里隐含的 3D 先验知识迁移到场景理解任务上，让视觉语言模型在空间推理时更懂三维结构。
一个 4B 参数的视觉定位基础模型，把检测、指代、指向、OCR、GUI 和版面定位统一到一个模型里，在 34 个基准上达到 SOTA，并提升机器人泛化和数据效率。
系统梳理大模型推理中 KV Cache 优化的综述仓库，按系统与架构视角归纳显存占用和吞吐瓶颈的各类优化方法，适合做推理加速选型时查阅。
把多模态大模型变成能调度各类计算机视觉任务的通用路由器，用指令调优统一处理检测、分割等任务，免去为每个任务单独建模。
面向超长视频理解的深度研究式问答智能体，能自动拆解问题、检索视频片段并给出答案，省去人工逐帧翻看的麻烦。
基于零样本分割模型实现任意图像抠图，无需针对特定类别训练即可提取前景透明通道，适合快速落地通用抠图需求。
轻量级卡尔曼滤波 Python 库，用于视觉定位、里程计和 SLAM 中的状态估计与传感器数据融合。
单张图片一次前向即可重建画面中多人的 SMPL-X 三维人体网格与姿态，提供 PyTorch 推理代码和预训练模型，适合做多人姿态估计与人体重建的落地验证。
给 Claude Code 和 Codex 用的可审计代码审查技能，通过四个独立探针交叉检查，每条结论都有证据支撑，并用 JSON 结果做合并门禁。
用 Python 编写推理引擎的实验性库，面向 LLM 服务场景，支持 CUDA/GPU 加速，方便快速搭建和试验自己的推理后端。
用 Markdown 文件搭建个人 Wiki，支持知识图谱、LaTeX 公式和 Pandoc 转换，可 Docker 部署，适合替代 Obsidian 做自托管文档库。
用大模型做主题建模的提示词框架，自动从文本语料中生成可读的主题描述并分配文档标签，替代传统 LDA 类方法。
无需人工标注标准答案就能评估 RAG 系统，通过自动生成问题和判断相关性来量化检索与生成质量。
整理 Azure OpenAI 与大模型（含 RAG、Agent）的学习资源和实践笔记，按月更新，适合想系统上手云上 LLM 应用开发的人查阅。
面向 ASIC、FPGA 和 NPU 的加速器设计与编程框架，用 Python DSL 描述硬件，再经编译器生成高性能硬件实现。
端到端 SLAM 系统，把相机标定、单目先验和 3D 高斯泼溅稠密渲染串成一条流水线，让单目视觉同时完成跟踪与高质量三维重建。
RecA 用自监督学习让多模态模型在生成图像时借助自身的视觉理解能力，提升文生图和图像编辑的效果，可接入 ComfyUI 使用。
面向 OCR 流程的文档版面分析工具，能自动切分页面区域、检测文本行并做二值化，为后续文字识别和 RAG 检索提供干净的结构化输入。
无需训练即可从视频中恢复人体网格模型，结合 SAM-3、Diffusion-VAS 和 SAM-3D-Body 实现 4D 人体重建，适合快速做视频人体建模。
用一次性智能体集群执行网页自动化操作，用完即弃，避免行为被追踪归因，适合隐私敏感的抓取与浏览任务。
HUGS 用高斯泼溅从单目视频重建可动画的人体三维模型，能同时还原人体和场景，方便做数字人渲染。