Python

Vulners 漏洞情报 API 的官方 Python SDK，可查询 CVE、漏洞利用和公告（含 CVSS/EPSS/KEV），审计软件、主机与 SBOM，并提供同步/异步客户端和内置 MCP 服务供 AI Agent 调用。

NAUTILUS

H-EmbodVis·Python

面向水下场景理解的大型多模态模型，能同时处理水下图像与文本，完成描述、问答等视觉语言任务，填补水下环境多模态研究的空白。

一套用于压测向量搜索引擎的基准框架，可对比不同向量数据库的检索性能，帮你在选型时拿到实测数据。

基于 YOLOv8、PyTorch 和 OpenCV 实现目标检测与多目标跟踪，可直接跑通视频流中的实时追踪，省去自己拼装检测器和跟踪器的麻烦。

EVE

baaivision·Python

BAAI 推出的无编码器视觉语言模型系列，跳过独立视觉编码器，直接用语言模型处理图像与文本，简化多模态架构并支持指令跟随。

极简的多模态大模型微调代码库，支持 LLaVA、Qwen-VL、Llama-3.2-Vision 等主流视觉语言模型，方便快速做指令微调实验。

自动更新维护的 IPTV 直播源合集，提供 CCTV 等频道的 m3u/txt 播放列表，方便直接导入播放器观看电视直播。

DepthLM_Official

facebookresearch·Python

DepthLM 的官方实现，用视觉语言模型做单目深度估计，把深度预测转成语言建模任务，在 ICLR 2026 入选 Oral。

追踪 arXiv 上 3D 高斯泼溅（Gaussian Splatting）最新研究进展的精选列表，每日自动更新，帮研究者快速跟进三维重建与渲染的前沿论文。

用 LLM 自动审查 Pull Request 的代码差异，并把评审意见直接评论到 PR 上的 GitHub Action，省去人工逐行看 diff 的功夫。

nerfbaselines

nerfbaselines·Python

统一 NeRF 与 3DGS 方法的可复现评测框架，提供标准化基准和工具，方便公平比较不同新视角合成方案的性能。

vMAP 是 CVPR 2023 提出的神经场 SLAM 系统，用向量化对象建图实现实时 RGB-D 稠密重建，无需逐场景训练即可完成三维重建。

VectorDB-Plugin

BBC-Esq·Python

把本地文档和音视频文件建成向量库，用自然语言提问就能检索并回答，适合搭建私有 RAG 问答。

FLUX.1 Krea 官方开源仓库，提供基于扩散模型的文生图能力，可生成高质量图像。

用 Meta 的 Segment-Anything 模型对 LiDAR 点云做分割的 Python 包，省去自己搭建分割流程的麻烦。

ransomware.live

JMousqueton·Python

追踪勒索软件团伙的情报平台，抓取并整理受害者信息、谈判记录和截图，帮安全人员快速掌握勒索攻击动态。

MangaTranslator

meangrinch·Python

用 AI 自动翻译漫画的桌面工具，集 OCR 识别、文字擦除修复和 LLM 翻译于一体，省去手动修图和逐句翻译的麻烦。

用洪水填充网络在三维体数据中做实例分割，主要面向连接组学中神经元等结构的自动追踪与分割。

一个仅 2k 行代码的轻量级 LLM 推理系统，性能对标 vLLM，专为研究和学习推理引擎内部实现而设计。

Phosphene

mrbizarro·Python

在 Apple Silicon Mac 上离线跑 LTX-2.5 和 MiniMax H3，做带声音的文本/图片转视频、对口型和角色 LoRA 训练，不用云端和 API key。

自托管的 AI 网关，把私有 RAG、自然语言查数据库和工具调用智能体统一到一个入口，方便在内部环境安全接入大模型。

在 Apple Silicon 上做 W8A8/W4A8 量化推理，调用 M5 闲置的 INT8 TensorOps 让 LLM prefill 快 1.2–1.9 倍，并用类 FlashInfer 的 GQA 解码注意力加速 SDPA。

本地运行的桌面 Agent 操作系统，用语音或聊天指挥编码 Agent、浏览器和各类应用，全部在你自己的机器上完成。

SlimSAM

czg1225·Python

用 0.1% 的数据通过剪枝和知识蒸馏把 Segment Anything 模型压缩成轻量版，大幅降低显存和计算开销，同时保持分割精度。

FIBO

Bria-AI·Python

首个开源的 JSON 原生文生图模型，用结构化 JSON 输入实现可控、可预测且版权合规的图像生成。

给 Claude Code 加钩子的本地代理，能拦截并改写请求与响应，支持自定义模型名和按逻辑智能路由模型。

一键抓取影片元数据并生成 NFO 和封面图，供 Jellyfin、Emby、Kodi 媒体库使用，免 Docker 和命令行，Windows/macOS 直接安装。

用 Python 实现的多摄像头实时多人跌倒检测，结合人体姿态估计和 LSTM 识别视频中的跌倒事件，适合看护场景。

EvoCUA

meituan·Python

EvoCUA 是一个可自我进化的计算机使用智能体，基于视觉语言模型理解图形界面并自动完成操作任务。

面向考勤场景的自拍人脸认证平台，无需 OTP、注册或代打卡，专为低成本手机优化，可大规模部署。

用逐步分组相对策略优化（Step-wise GRPO）训练多模态大模型做推理，提升视觉语言任务上的推理能力。

用强化学习把目标检测、分割、计数等视觉感知任务统一进多模态大模型的推理流程，让模型边推理边定位。

用 YOLO 检测工地未戴安全帽、未穿反光衣及靠近机械等危险行为，并用 HDBSCAN 聚类锥桶坐标划定监控区域，提升施工安全。

一套包含 23 个 Claude Code 插件的工具集，覆盖 TDD 强制、Git/PR 流程、规格驱动开发、代码审查与多 LLM 委派，帮团队把 AI 编码代理接入规范化的研发流程。

在保持前景细节不变的前提下，用参考图驱动扩散模型生成新场景，适合需要主体一致性的图像编辑与合成。

OmniShotCut

UVA-Computer-Vision-Lab·Python

高灵敏度的镜头边界检测方案，能更精准地切分视频场景并保留更多信息，适合视频剪辑与转码流程中的自动分镜。

PromptKD 是 CVPR 2024 的官方 PyTorch 实现，用无监督提示蒸馏把大视觉语言模型的能力迁移到小模型上，免去人工标注。

T2I-CompBench 是评估文生图模型组合能力的基准，覆盖属性绑定、物体关系和数量等维度，帮研究者量化模型是否真的画对了提示词。

本地一站式 LoRA 训练工作台，从单张照片或大批图片构建角色、风格、概念数据集，自动打标并用 ai-toolkit 训练，支持多模型 checkpoint 对比。

用掩码生成式 Transformer 做高分辨率文生图的官方实现，把非自回归架构重新拉回实用水平，兼顾生成效率与画质。

一站式动漫视频增强工具，一次处理即可完成 AI 超分、RIFE 补帧和画质修复，支持命令行、独立程序和 After Effects 插件。

ComfyUI-MiniMaxH3-Director

seesee75-commits·Python

在 ComfyUI 里给 MiniMax H3 视频模型加了一条时间轴编辑器，用分镜提示词、首尾关键帧、图/视频/音频参考和联合音频来编排镜头，还能实时预览采样、重拍和镜头串联。

在预算约束下自动搜索最优 Agent 工作流，用多目标优化和帕累托前沿帮你权衡成本与效果，省去手工调参。

monocle

monocle2ai·Python

面向 GenAI 应用的 Python 追踪框架，基于 OpenTelemetry 采集 LLM 调用与 Agent 执行链路，帮开发者定位问题、做可观测性。

用稀疏 4D 卷积在 3D 激光雷达点云中做移动物体分割，能区分场景里的动与静，适合自动驾驶感知研究。

输入一句提示词，由 ChatGPT 自动补全成适合 MidJourney 的完整绘画提示，帮你省去反复琢磨措辞、激发更多创意灵感。

archey4

HorlogeSkynet·Python

在终端里用 ASCII 艺术展示 Linux/BSD 系统信息，是原版 Archey 的维护分支，适合替代 neofetch、screenfetch 快速查看配置。

GaussianCity

hzxie·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。