vision

增强版 ChatGPT 克隆：具备 Agents、MCP、Skills、DeepSeek、Anthropic、AWS、OpenAI、Responses API、Azure、Groq、o1、GPT-5、Mistral、OpenRouter、Vertex AI、Gemini、Artifacts、AI 模型切换、消息搜索、代码解释器、langchain、DALL‑E‑3、OpenAPI Actions、Functions、Secure Multi‑User Auth、预设，开源自托管，持续活跃

Xray，穿透一切。也是最佳的 v2ray-core。魔法发生之处。提供多种用途的开放平台。

开源多模态 AI 代理堆栈：连接最前沿的 AI 模型与代理基础设施

Caffe：一个快速的开源深度学习框架

使用 AI 自动化基于浏览器的工作流程

网页解析的终点，像素原生搜索的起点。 link: https://pixelrag.ai/

📸 功能强大且高性能的 React Native 相机库。

DeepSeek Harness 的第一个视觉插件，以及每个纯文字编码代理的视觉桥接。粘贴图片，即可获得结构化 JSON 证据（OCR、版面、语义）。 | 全网最强 DeepSeek Harness 外挂视觉插件，为 DeepSeek、GLM 等纯文本模型外挂视觉能力，粘贴图片即得结构化 JSON 证据（OCR、版面、语义）。

SimpleMem：LLM 代理的高效终身记忆 — 文本与多模态

开源硬件与软件平台，用于构建小型自驾车。

[CVPR 2023] DepGraph：迈向任意结构剪枝；LLMs、视觉基础模型等。

机器视觉开源框架

⬆️ Swift 中的媒体捕获

cloud.google.com 上使用的 Java 与 Kotlin 代码示例

你家的视觉智能。

基于 genicam 相机的视觉库

用于理解深度学习的视频、笔记与实验。

MLKit 是一个强大易用的工具包。通过 ML Kit 您可以很轻松地实现文字识别、条码识别、图像标记、人脸检测、对象检测等功能。

为纯文本模型“看图”设计更好的视觉工具箱和技能，支持多图理解、图片问答、前端UI还原、GUI 自动化等，并可选无缝接入多个主流agent，直接识别粘贴图片｜ 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

专为纯文本 DeepSeek Harness 代理设计的视觉眼：内置免费视觉链（无需密钥）与像素级视觉工具（问答、定位、裁剪、像素差异、颜色、OCR、SVG 描摹、抠图、截图）。一键安装，无需 Python，图片处理就像一般的工具调用一样。

来自 Google AI 的视觉 All-MLP 解决方案

CALVIN - 用于长视距机器人操作任务的语言条件策略学习基准测试

适用于 NVidia GPU 的 SIFT CUDA 实现（在 GTX 1060 上为 1.2 毫秒）。

精选的 iOS、ML、AR 资源集合，并点缀了一些 UI 元素

3DMatch - 基于 3D ConvNet 的区域几何描述符，用于对齐 3D 网格与点云。

Python高性能Vision库。扩展你的研究，而非重复的代码。

🎰 精选的机器学习资源列表，以 CoreML 为主

这个应用程序可以翻译在计算机上运行的任何应用程序所捕获的文本。

将任何网页设计截图转换为干净的 HTML/CSS 代码

基于计算机视觉的 ML 训练数据生成工具 :rocket: