探索全部
共 1,808 个仓库 · 一年内有推送 · Python
用生成式高斯泼溅从零生成无边界的三维城市场景，解决大范围城市场景建模成本高、难以无限延展的问题。
一个开放式社交学习环境，让 LLM 智能体在社交场景中互动，用于评估和训练其社交智能与协作能力。
多智能体 SLAM 系统，用高斯泼溅实现多机器人协同建图并保持全局一致，适合大规模场景的三维重建研究。
开源 AI Agent 编排平台，用 DAG 把多个智能体、MCP 工具和任意 LLM（本地、云端或 CLI）串起来，让 Agent 真正能干活。
为 X-AnyLabeling 标注工具提供轻量可扩展的模型推理服务，把检测、分割、分类、姿态等视觉模型接成后端，方便标注时自动预标注。
开源语音识别模型 Phonon-2 和 Phonon-1，提供命令行工具以及 CPU、CUDA 镜像，支持低比特量化和 MLX 加速，方便本地部署语音转文字。
safetensors 的扩展，能把稀疏量化后的张量高效存到磁盘，省空间又不牺牲加载速度，适合大模型量化权重的持久化。
基于贝叶斯推断的多目标跟踪库，用卡尔曼滤波和全局优化把细胞等目标的检测结果串成连续轨迹，适合处理拥挤、遮挡场景下的追踪。
把视觉语言模型的高层推理和细粒度感知接起来，让 VLM 能直接做开放词表目标检测，输出精确的框和掩码。
基于高帧率抽帧混合算法对视频做二次处理，规避短视频平台查重，带 PyQt5 图形界面并支持 GPU 加速。
自动重命名成人视频文件，让 Plex、Jellyfin 插件和 Stash 脚本无需手动干预即可正确匹配刮削信息，支持服务端和命令行两种运行模式。
用视觉语言模型把二维工程图纸自动转成三维 CAD 模型，省去手工建模的重复劳动。
一种前馈式 3D 高斯泼溅新方案，用体素对齐预测替代逐像素回归，提升新视角合成的重建质量与效率。
从稀疏视角前馈式合成 360 度场景，结合高斯泼溅与视频扩散模型，无需逐场景优化即可生成可自由漫游的新视角画面。
基于树莓派和 SX1302/SX1303 集中器的开源 LoRa 基站，为 Meshtastic/MeshCore 提供多信道被动抓包、本地仪表盘和原生发射能力。
用大语言模型抓取、聚合、过滤并重写 RSS 订阅源，再对外提供内容服务，适合做新闻聚合与内容改写实验。
自托管的开源 Codespaces，用 Docker 为每个项目创建与生产环境一致的开发容器，隔离 Claude/Codex 等 CLI，支持 VS Code、JetBrains、SSH 和浏览器访问，还能给同事和客户开临时预览环境。
半监督 LiDAR 语义分割方法，通过激光混合策略利用少量标注数据训练 3D 点云分割模型，提升自动驾驶场景下的分割精度。
输入一个主题就能自动生成 Vox 风格的纸片拼贴解说视频，脚本、关键帧、动画、配音、配乐和字幕全流程搞定，还能作为 Claude Code 等编程智能体的技能调用。
给照片加上对抗扰动，防止他人用 DreamBooth 等个性化文生图模型把你的脸合成到任意画面里。
覆盖 LLM Agent 开发全流程的框架，从提示调优、微调到多智能体仿真都能一站式搞定，省去自己拼装各阶段工具链的麻烦。
在本地设备上跑大语言模型的推理引擎，靠 X-Bit 量化把模型压小，让 Llama、Gemma 这类模型在资源有限的机器上也能流畅生成。
U-Time 是一个用全卷积网络做时间序列分割的模型，最初用于睡眠分期分析，也可迁移到其他时序分割任务。
7B 参数文生图模型，专攻高质量文字渲染，在严苛算力限制下也能高效出图，适合需要画面内准确排字的场景。