vision

Clone aprimorado do ChatGPT: Recursos com Agents, MCP, Skills, DeepSeek, Anthropic, AWS, OpenAI, Responses API, Azure, Groq, o1, GPT-5, Mistral, OpenRouter, Vertex AI, Gemini, Artifacts, alternância de modelos de IA, busca de mensagens, Code Interpreter, langchain, DALL-E-3, OpenAPI Actions, Functions, Autenticação Multi-Usuário Segura, Presets, código aberto para auto-hospedagem. Ativo

Xray, penetra em tudo. Também o melhor v2ray-core. Onde a mágica acontece. Uma plataforma aberta para vários usos.

A pilha de agentes de IA multimodal de código aberto: Conectando modelos de IA de ponta e infraestrutura de agentes

Caffe: um framework aberto e rápido para deep learning.

Automatize fluxos de trabalho baseados em navegador com IA

O fim do parsing web. O início da busca nativa de pixels escalável. link: https://pixelrag.ai/

📸 Uma biblioteca de câmera poderosa e de alto desempenho para React Native.

O primeiro plugin de visão para o DeepSeek Harness e a ponte visual para qualquer agente de codificação baseado em texto. Cole uma imagem e obtenha evidências JSON estruturadas (OCR, layout, semântica).

SimpleMem: Memória vitalícia eficiente para agentes LLM — Texto e Multimodal.

Plataforma de hardware e software de código aberto para construir um carro autônomo em pequena escala.

[CVPR 2023] DepGraph: Rumo a qualquer poda estrutural; LLMs, modelos de base de visão, etc.

O framework de código aberto para visão computacional

⬆️ Captura de mídia em Swift.

Exemplos de código em Java e Kotlin usados no cloud.google.com

Inteligência visual para sua casa.

Uma biblioteca de visão para câmeras baseadas em GenICam.

Vídeos, notas e experimentos para entender aprendizado profundo

🌝 O MLKit é um kit de ferramentas poderoso e fácil de usar. Com o ML Kit, você pode implementar facilmente reconhecimento de texto, reconhecimento de código de barras, rotulagem de imagens, detecção de rostos, detecção de objetos, entre outras funções.

Toolkit visual e conjunto de habilidades projetado para modelos de texto puro "verem" imagens. Suporta compreensão de múltiplas imagens, perguntas e respostas, restauração de UI front-end, automação de GUI, com integração opcional a múltiplos agentes principais e reconhecimento direto de imagens coladas.

Uma solução baseada inteiramente em MLP para visão computacional, do Google AI

Olhos para agentes do DeepSeek Harness baseados apenas em texto: cadeia de visão gratuita integrada (sem chave) + ferramentas de visão em nível de pixel (P&D, grounding, recorte, diferença de pixels, cores, OCR, rastreamento SVG, recorte, capturas de tela). Instalação com um único comando, sem Python, os turnos de imagem funcionam como turnos normais de chamada de ferramentas.

CALVIN - Um benchmark para aprendizado de políticas condicionadas por linguagem para tarefas de manipulação robótica de longo prazo

Uma implementação CUDA do SIFT para GPUs NVidia (1,2 ms em uma GTX 1060)

Uma coleção curada de recursos de iOS, ML e AR com algumas adições de UI

3DMatch - um descritor geométrico local baseado em 3D ConvNet para alinhar malhas 3D e nuvens de pontos.

Biblioteca de visão de alto desempenho em Python. Escalone sua pesquisa, não o código repetitivo.

🎰 Uma lista curada de recursos de aprendizado de máquina, preferencialmente CoreML.

Este aplicativo pode traduzir texto capturado de qualquer aplicativo em execução no seu computador.

Converta qualquer captura de tela de design web em código HTML/CSS limpo

Ferramenta de geração de dados de treinamento de ML baseada em visão computacional :rocket: