vision

升級版 ChatGPT 克隆：具備 Agents、MCP、Skills、DeepSeek、Anthropic、AWS、OpenAI、Responses API、Azure、Groq、o1、GPT-5、Mistral、OpenRouter、Vertex AI、Gemini、Artifacts、AI 模型切換、訊息搜尋、程式碼解譯器、langchain、DALL‑E‑3、OpenAPI 行動、Functions、Secure Multi‑User Auth、預設設定，開源自託管，持續活躍

Xray，穿透一切。也是最佳的 v2ray-core。魔法發生之處。提供多種用途的開放平台。

開源多模態 AI 代理堆疊：連接最前沿的 AI 模型與代理基礎設施

Caffe：一個快速的開源深度學習框架

使用 AI 自動化基於瀏覽器的工作流程

網頁解析的終點，像素原生搜尋的起點。 link: https://pixelrag.ai/

📸 功能強大且高效能的 React Native 相機函式庫。

DeepSeek Harness 的第一個視覺插件，以及每個純文字編碼代理的視覺橋接。粘貼圖片，即可獲得結構化 JSON 證據（OCR、版面、語義）。 | 全網最強 DeepSeek Harness 外掛視覺插件，為 DeepSeek、GLM 等純文本模型外掛視覺能力，粘貼圖片即得結構化 JSON 證據（OCR、版面、語義）。

SimpleMem：LLM 代理的高效終身記憶 — 文本與多模態

開源硬體與軟體平台，用於構建小型自駕車。

[CVPR 2023] DepGraph：邁向任意結構剪枝；LLMs、視覺基礎模型等。

機器視覺開源框架

⬆️ Swift 中的媒體擷取

cloud.google.com 上使用的 Java 與 Kotlin 程式碼範例

你家的視覺智慧。

基於 genicam 相機的視覺函式庫

用於理解深度學習的影片、筆記與實驗。

MLKit 是一個強大易用的工具包。透過 ML Kit 您可以很輕鬆地實現文字識別、條碼識別、圖像標記、人臉檢測、物件檢測等功能。

為純文字模型「看圖」設計更好的視覺工具箱和技能，支援多圖理解、圖片問答、前端UI還原、GUI 自動化等，並可選無縫接入多個主流agent，直接識別貼上圖片｜ 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

專為純文字 DeepSeek Harness 代理設計的靈視工具：內建免費視覺鏈（無需金鑰）與像素級視覺工具（問答、定位、裁切、像素差異、顏色、OCR、SVG 描摹、去背、截圖）。一鍵安裝，無需 Python，圖片處理就像一般的工具呼叫一樣自然。

來自 Google AI 的視覺 All-MLP 解決方案

CALVIN - 用於長視距機器人操作任務的語言條件策略學習基準測試

適用於 NVidia GPU 的 SIFT CUDA 實作（在 GTX 1060 上為 1.2 毫秒）。

精選的 iOS、ML、AR 資源集合，並點綴了一些 UI 元素

3DMatch - 基於 3D ConvNet 的區域幾何描述子，用於對齊 3D 網格與點雲。

Python高效能Vision函式庫。擴展你的研究，而非重複的程式碼。

🎰 精選的機器學習資源列表，以 CoreML 為主

這個應用程式可以翻譯在電腦上執行的任何應用程式所擷取的文字。

將任何網頁設計截圖轉換為乾淨的 HTML/CSS 程式碼

基於電腦視覺的 ML 訓練資料生成工具 :rocket: