vision

Clon mejorado de ChatGPT: Incluye agentes, MCP, habilidades, DeepSeek, Anthropic, AWS, OpenAI, API de respuestas, Azure, Groq, o1, GPT-5, Mistral, OpenRouter, Vertex AI, Gemini, Artifacts, cambio de modelo de IA, búsqueda de mensajes, Intérprete de código, langchain, DALL-E-3, acciones de OpenAPI, funciones, autenticación multiusuario segura, ajustes preestablecidos, código abierto para autohospedaje. Activo

Xray, lo penetra todo. También el mejor v2ray-core. Donde ocurre la magia. Una plataforma abierta para diversos usos.

La pila de agentes de IA multimodales de código abierto: conectando modelos de IA de vanguardia e infraestructura de agentes

Caffe: un marco abierto y rápido para aprendizaje profundo.

Automatiza flujos de trabajo basados en navegador con IA

El fin del análisis web. El comienzo de la búsqueda nativa de píxeles escalable. Enlace: https://pixelrag.ai/

📸 Una biblioteca de React Native para cámara potente y de alto rendimiento.

El primer plugin de visión para DeepSeek Harness, y el puente de visión para cada agente de codificación de solo texto. Pega una imagen, obtén evidencia JSON estructurada (OCR, diseño, semántica). | El plugin de visión externo más potente de toda la red para DeepSeek Harness, que aporta capacidades de visión a modelos de solo texto como DeepSeek y GLM; pega una imagen para obtener evidencia JSON estructurada (OCR, diseño, semántica).

SimpleMem: Memoria continua eficiente para agentes de LLM — Texto y multimodal

Plataforma de hardware y software de código abierto para construir un coche autónomo a pequeña escala.

[CVPR 2023] DepGraph: Hacia cualquier poda estructural; LLMs, modelos de cimentación de visión, etc.

El framework de código abierto para visión artificial

⬆️ Captura de medios en Swift

Ejemplos de código en Java y Kotlin utilizados en cloud.google.com

Inteligencia visual para tu hogar.

Una biblioteca de visión para cámaras basadas en GenICam

Videos, notas y experimentos para comprender el aprendizaje profundo

🌝 MLKit es un kit de herramientas potente y fácil de usar. Con ML Kit, puedes implementar fácilmente reconocimiento de texto, escaneo de códigos de barras, etiquetado de imágenes, detección de rostros y detección de objetos.

Kit de herramientas visuales y habilidades diseñadas para modelos de solo texto para "ver" imágenes, compatible con comprensión de múltiples imágenes, preguntas y respuestas sobre imágenes, restauración de UI frontend, automatización de GUI, con integración opcional y fluida a múltiples agentes principales, reconocimiento directo de imágenes pegadas

Una solución basada totalmente en MLP para visión artificial, de Google AI

Ojos para agentes de DeepSeek Harness solo de texto: cadena de visión gratuita integrada (sin clave) + herramientas de visión a nivel de píxel (Q&A, grounding, recorte, diferencia de píxeles, colores, OCR, trazado SVG, recortes, capturas de pantalla). Instalación con un comando, sin Python, los turnos de imagen funcionan como turnos ordinarios de llamada a herramientas.

CALVIN: un benchmark para el aprendizaje de políticas condicionadas por lenguaje en tareas de manipulación robótica de largo horizonte

Implementación de SIFT en CUDA para GPUs de NVidia (1.2 ms en una GTX 1060)

Una colección curada de recursos de iOS, ML y AR con algunos añadidos de UI.

3DMatch: un descriptor geométrico local basado en 3D ConvNet para alinear mallas 3D y nubes de puntos.

Biblioteca de visión de alto rendimiento en Python. Escala tu investigación, no el código repetitivo.

Una lista curada de recursos de aprendizaje automático, preferiblemente CoreML.

Esta aplicación puede traducir texto capturado desde cualquier programa que se ejecute en su equipo.

Convierte cualquier captura de pantalla de diseño web en código HTML/CSS limpio.

Herramienta de generación de datos de entrenamiento de ML basada en visión artificial