vision

Enhanced ChatGPT Clone: Features Agents, MCP, Skills, DeepSeek, Anthropic, AWS, OpenAI, Responses API, Azure, Groq, o1, GPT-5, Mistral, OpenRouter, Vertex AI, Gemini, Artifacts, AI model switching, message search, Code Interpreter, langchain, DALL-E-3, OpenAPI Actions, Functions, Secure Multi-User Auth, Presets, open-source für Self-Hosting. Active

Xray, durchdringt alles. Auch das beste v2ray-core. Wo die Magie passiert. Eine offene Plattform für verschiedene Anwendungen.

Der Open-Source Multimodal AI Agent Stack: Verbindet modernste KI-Modelle und Agenten-Infrastruktur

Caffe: ein schnelles Open-Source-Framework für Deep Learning.

Automatisieren Sie browserbasierte Arbeitsabläufe mit KI.

Das Ende des Web-Parsings. Der Beginn der skalierbaren, pixel-nativen Suche. Link: https://pixelrag.ai/

📸 Eine leistungsstarke React Native Kamera-Bibliothek.

Das erste Vision-Plugin für DeepSeek Harness und die Vision-Brücke für jeden reinen Text-Coding-Agenten. Bild einfügen, strukturierte JSON-Beweise erhalten (OCR, Layout, Semantik).

SimpleMem: Effizientes, lebenslanges Gedächtnis für LLM-Agenten – Text & Multimodal

Open-Source-Hardware- und Software-Plattform zum Bau eines autonomen Kleinwagen-Modells.

[CVPR 2023] DepGraph: Hin zu beliebigen strukturellen Pruning-Verfahren; LLMs, Vision Foundation Models usw.

Das Open-Source-Framework für maschinelles Sehen

⬆️ Medienaufnahme in Swift

Java- und Kotlin-Codebeispiele, die auf cloud.google.com verwendet werden

Visuelle Intelligenz für Ihr Zuhause.

Eine Vision-Bibliothek für genicam-basierte Kameras

Videos, Notizen und Experimente zum Verständnis von Deep Learning

🌝 MLKit ist ein leistungsstarkes und benutzerfreundliches Toolkit. Mit ML Kit können Sie ganz einfach Funktionen wie Texterkennung, Barcode-Erkennung, Bildbeschriftung, Gesichtserkennung und Objekterkennung implementieren.

Ein Vision-Toolkit und Skill für rein textbasierte LLMs – Bild-Frage-Antwort, OCR bei langen Screenshots, Frontend-UI-Wiederherstellung und GUI-Automatisierung mit optionaler nahtloser Integration für Codex, Claude Code, Pi, Oh My Pi und OpenCode

Eine reine MLP-Lösung für Computer Vision von Google AI

Augen für rein textbasierte DeepSeek Harness Agents: integrierte kostenlose Vision-Chain (kein Schlüssel) + pixelgenaue Vision-Tools (Fragen & Antworten, Grounding, Zuschneiden, Pixel-Diff, Farben, OCR, SVG-Trace, Freistellen, Screenshots). Ein-Befehl-Installation, kein Python, Bildverarbeitung funktioniert wie normale Tool-Aufrufe.

CALVIN - Ein Benchmark für Language-Conditioned Policy Learning für Long-Horizon-Roboter-Manipulationsaufgaben

Eine CUDA-Implementierung von SIFT für NVIDIA-GPUs (1,2 ms auf einer GTX 1060)

Eine kuratierte Sammlung von iOS-, ML- und AR-Ressourcen, ergänzt durch einige UI-Erweiterungen

3DMatch - ein 3D-ConvNet-basierter lokaler geometrischer Deskriptor zum Ausrichten von 3D-Meshes und Punktwolken.

Hochleistungs-Vision-Bibliothek in Python. Skalieren Sie Ihre Forschung, nicht Boilerplate.

🎰 Eine kuratierte Liste von Machine-Learning-Ressourcen, vorzugsweise CoreML

Diese Anwendung kann Text übersetzen, der von einer beliebigen auf Ihrem Computer laufenden Anwendung erfasst wurde.

Konvertieren Sie jeden Webdesign-Screenshot in sauberen HTML/CSS-Code

Computer Vision-basiertes Tool zur Generierung von ML-Trainingsdaten :rocket: