vision

高度化されたChatGPTクローン：Agents、MCP、Skills、DeepSeek、Anthropic、AWS、OpenAI、Responses API、Azure、Groq、o1、GPT-5、Mistral、OpenRouter、Vertex AI、Gemini、Artifacts、AIモデル切り替え、メッセージ検索、Code Interpreter、langchain、DALL-E-3、OpenAPI Actions、Functions、セキュアなマルチユーザー認証、プリセット、自己ホスティング対応のオープンソース。アクティブ。

Xray、すべてを貫通する。最高のv2ray-coreでもある。魔法が起こる場所。様々な用途のためのオープンプラットフォーム。

オープンソースのマルチモーダルAIエージェントスタック：最先端のAIモデルとエージェントインフラの接続

Caffe：高速なディープラーニング用オープンフレームワーク。

AIによるブラウザベースのワークフローの自動化

Webパースの終焉。スケーラブルなピクセルネイティブ検索の幕開け。リンク: https://pixelrag.ai/

📸 高性能で強力な React Native カメラライブラリ。

DeepSeek Harness 向けの最初のビジョンプラグインであり、すべてのテキスト専用コーディングエージェントのためのビジョンブリッジ。画像を貼り付けるだけで、構造化された JSON のエビデンス（OCR、レイアウト、セマンティクス）を取得できます。

SimpleMem: LLMエージェントのための効率的な生涯記憶 — テキスト＆マルチモーダル

小型自動運転車を構築するためのオープンソースのハードウェアおよびソフトウェアプラットフォーム。

[CVPR 2023] DepGraph：あらゆる構造的プルーニングに向けて（LLM、Vision Foundation Models など）

マシンビジョン用のオープンソースフレームワーク

Swift によるメディアキャプチャ ⬆️

cloud.google.com で使用される Java および Kotlin コードのサンプル

自宅のためのビジュアルインテリジェンス。

GenICam 対応カメラ向けのビジョンライブラリ

ディープラーニングを理解するための動画、ノート、実験

🌝 MLKitは強力で使いやすいツールキットです。ML Kitを使用することで、文字認識、バーコード認識、画像ラベリング、顔検出、オブジェクト検出などの機能を簡単に実装できます。

テキストのみのLLM向けに設計された優れたビジュアルツールボックスとスキル。マルチ画像理解、画像Q&A、フロントエンドUI復元、GUI自動化などをサポートし、複数の主要なagentへシームレスに統合可能で、クリップボードからの画像貼り付けを直接認識します｜ A vision toolkit and skill designed for text-only llms — image Q&A, long-screenshot OCR, frontend UI restoration, and GUI automation, with optional seamless integration for Codex, Claude Code, Pi, Oh My Pi, and OpenCode

Google AIによる、Vision向けのAll-MLPソリューション

テキストのみの DeepSeek Harness エージェント向けのビジョン機能：内蔵の無料ビジョンチェーン（キー不要）とピクセル単位のビジョンツール（Q&A、グラウンディング、クロップ、ピクセル差分、カラー、OCR、SVG トレース、切り抜き、スクリーンショット）。1 コマンドでインストール可能で Python は不要、画像処理を通常のツール呼び出しと同様に実行できます。

長期的なロボット操作タスクのための言語条件付きポリシー学習用ベンチマーク「CALVIN」

NVIDIA 製 GPU 向け SIFT の CUDA 実装（GTX 1060 で 1.2 ms）

UI の追加要素を散りばめた、iOS、ML、AR リソースの厳選コレクション

3DMatch - 3D メッシュと点群の位置合わせを行う、3D ConvNet ベースの局所幾何学的記述子。

Pythonの高性能ビジョンライブラリ。ボイラープレートではなく研究をスケールさせます。

🎰 機械学習リソースの厳選リスト（CoreML 優先）

コンピュータ上で実行されているあらゆるアプリケーションからキャプチャしたテキストを翻訳できるアプリケーション。

あらゆるWebデザインのスクリーンショットをクリーンなHTML/CSSコードに変換する

コンピュータビジョンベースの ML 学習データ生成ツール :rocket: