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·89)、Umi-OCR(S·83)、minimind-v(S·79)。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·89—★ 92.0k+420☆

2Umi-OCR免费开源离线 OCR 识别软件S·83—★ 48.3k+170☆

3minimind-v2小时从零训练65M参数视觉多模态VLMS·79—★ 8.8k+27☆

4JanusDeepSeek Janus:统一多模态理解与生成模型S·78—★ 17.8k+5☆

5ddddocr通用验证码识别OCR的Python库S·77—★ 14.9k+20☆

6GroundingDINO用文字框选图中目标,开放词汇检测S·75—★ 10.7k+23☆

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—★ 10.2k+2☆

8Qwen-VL阿里通义千问视觉语言模型官方仓库S·73—★ 6.7k☆

9Ask-Anything支持视频理解的类ChatGPT多模态应用S·72—★ 3.4k+4☆

10CHINESE-OCR中文场景文字检测与不定长OCR识别S·72—★ 3.0k☆

11InternVideo视频基础模型,支持多模态视频理解S·71—★ 2.4k+2☆

12DeepSeek-VLDeepSeek视觉语言模型，面向真实场景图文理解S·71—★ 4.2k+5☆

13InternLM-XComposer多模态大模型,支持长时流式视频音频交互S·69—★ 2.9k+2☆

14InternGPT开源多模态AI模型演示平台S·69—★ 3.2k+1☆

15tools-ocr跨平台树洞OCR文字识别小工具S·69—★ 3.1k☆

16TrWebOCR开源中文离线OCR,识别率媲美大厂S·69—★ 2.9k☆

17ARIS-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·65—★ 622+9☆

18XrayGLM首个中文胸部X光多模态医学大模型S·64—★ 1.1k☆

19VisCPM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☆

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

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