探索全部
共 1,808 个仓库 · 一年内有推送 · Python
开放词表目标计数模型，基于视觉语言基础模型，能按任意文本描述统计图像中物体数量，无需针对新类别重新训练。
用 Python 调用华为 LTE 路由器（LAN/WAN）的接口，读取信号、流量、设备状态等信息，省去自己抓包逆向的麻烦。
MILo 是 SIGGRAPH Asia 2025 的官方实现，把网格优化嵌进 3D 高斯泼溅流程，从多视角图像重建出细节丰富又轻量的表面网格。
给 Hermes、Claude Code、Codex 等编码 Agent 提供本地长期记忆，用单个 SQLite 库存储，支持带来源回溯的混合检索，并能查看、纠正或删除记忆内容。
把影视生成的场景依赖建成 DAG，用关键路径法调度多模型并行出片，让原本逐个生成的镜头同时跑，缩短整片制作时间。
通过 SSH 在终端里直接显示并操作完整的远程桌面，无需额外客户端或图形转发，适合在纯命令行环境下远程控制图形界面。
用 Python 统一调用 OpenAI、Claude、Gemini 等大模型 API 的轻量客户端，想用更简单的方式替代 LangChain 和 LangGraph 处理常见场景。
基于 asyncio 和 aiohttp 的异步 Docker API 客户端，让 Python 应用以非阻塞方式管理容器、镜像和网络。
用 GPT 嵌入和向量检索引擎处理海量公开情报数据，把零散 OSINT 信息变成可语义搜索的知识库。
统一视觉分词器，把图像同时编码成适合生成和理解任务的离散 token，解决生成与理解模型各用一套 tokenizer 的割裂问题。
基于 WebGPU 的高斯泼溅渲染平台，可在浏览器里跑 3DGS/4DGS 和神经渲染，用来做三维场景与数字人展示。
面向大语言模型的低延迟、高吞吐推理服务引擎，基于 PyTorch 和 Transformer 架构，适合部署 Llama 等模型对外提供在线推理服务。
用 Python 抓取 Google Maps 上商户的评论数据，适合做口碑分析和竞品调研时批量采集评论。
基于曼哈顿世界假设的神经隐式三维重建方法，利用场景中互相垂直的平面结构约束，从多视角图像重建室内房间的稠密几何。
面向边缘设备的实时无锚框目标检测器，精度不错，支持 ONNX、MNN 及 RK3588、昇腾等国产 NPU 部署。
ARCTIC 数据集官方工具链，提供下载、预处理、可视化和模型训练脚本，用于手物交互与手部追踪研究。
把日常电脑操作录成结构化工作流，让 AI 代理通过 MCP 在本地直接复现执行，全程数据不出本机。
把一句想法扩写成可直接投喂 Sora、可灵、Veo、Seedance 的电影级视频提示词，内置 21 种类型模板和五段式结构，省去反复调 prompt 的功夫。
把向量检索、知识图谱和交叉编码器重排揉在一起的混合 RAG 系统，支持 Docling 解析文档、图片表格理解、流式对话和行内引用，可接 Gemini 或本地 Ollama。
基于 LangGraph 的电商数仓智能问数 Agent，把自然语言转成 SQL 并流式展示查询结果，配套教程适合系统学习大模型应用落地。
本地优先的全栈 AI 创作工作站，集成对话、漫画、漫剧、写作和知识学习五大模块，支持 vLLM、llama.cpp 等多引擎本地推理与显存智能调度。
在终端里搜索、观看和下载动漫的命令行工具，基于 Python 抓取 Gogoanime 等站点资源，也可作为 API 调用。
把 Segment Anything 2 当作强编码器接上 U-Net 解码器，做自然图像和医学图像分割，覆盖伪装目标、息肉、海洋动物等场景。
QeRL 通过量化让强化学习训练 32B 大模型只需单张 H100 显卡，大幅降低大模型 RL 微调的显存门槛。