多模态视觉

多模态视觉(国内)分类当前收录 162 个 AI Skill,按 S-Score 排名靠前的有 PaddleOCR(S·91)、Umi-OCR(S·83)、ddddocr(S·80)。S-Score 基于 GitHub 星标量级与维护活跃度算法计算,每小时重排、付费不影响排名,数据每日快照。

#SKILL · 摊位S-SCORESTARS ★ 7D趋势

1PaddleOCR百度飞桨 OCR 工具箱,把 PDF/图片变成 AI 可用的结构化数据S·91—★ 86.4k+469☆

2Umi-OCR免费开源离线 OCR 识别软件S·83—★ 46.3k+93☆

3ddddocr通用验证码识别OCR的Python库S·80—★ 14.5k+36☆

4minimind-v2小时从零训练65M参数视觉多模态VLMS·78—★ 8.4k+34☆

5JanusDeepSeek Janus:统一多模态理解与生成模型S·78—★ 17.8k+1☆

6GroundingDINO用文字框选图中目标,开放词汇检测S·75—★ 10.5k+38☆

AD◧广告位招商中 —— 你的产品出现在这里自助投放 · 周结算 · 广告内容与榜单排序无关了解 →广告 AD

7InternVL性能对标GPT-4o的开源多模态对话模型S·75—★ 10.1k+6☆

8Ask-Anything支持视频理解的类ChatGPT多模态应用S·73—★ 3.3k+2☆

9Qwen-VL阿里通义千问视觉语言模型官方仓库S·73—★ 6.7k+5☆

10InternVideo视频基础模型,支持多模态视频理解S·72—★ 2.3k+4☆

11DeepSeek-VLDeepSeek视觉语言模型，面向真实场景图文理解S·71—★ 4.1k+3☆

12CHINESE-OCR中文场景文字检测与不定长OCR识别S·69—★ 3.0k☆

13TrWebOCR开源中文离线OCR,识别率媲美大厂S·69—★ 2.9k☆

14tools-ocr跨平台树洞OCR文字识别小工具S·69—★ 3.1k☆

15InternGPT开源多模态AI模型演示平台S·69—★ 3.2k+3☆

16InternLM-XComposer多模态大模型,支持长时流式视频音频交互S·69—★ 2.9k☆

17VisCPM基于CPM的中英双语多模态大模型，兼具对话与绘画S·64—★ 1.1k☆

18XrayGLM首个中文胸部X光多模态医学大模型S·64—★ 1.1k☆

19ARIS-in-AI-OfferBilingual (中文+EN) ML / LLM / diffusion / agent interview cheat sheets for AI 秋招 — generated by ARIS /interview-cheatsheet, rendered by /rendS·63▲1★ 328+23☆

20Multi-Modality-Arena多模态视觉语言模型横向对比竞技场S·60—★ 566+2☆

21Visual-Chinese-LLaMA-Alpaca多模态中文LLaMA与Alpaca大语言模型S·59—★ 461☆