多模态视觉

多模态视觉(国外)分类当前收录 162 个 AI Skill,按 S-Score 排名靠前的有 tesseract(S·90)、ultralytics(S·89)、supervision(S·88)。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

1tesseract最老牌的开源 OCR 引擎,百余种语言文字识别S·90—★ 76.5k+95☆

2ultralyticsYOLO11 目标检测/分割/追踪,工业级实时视觉S·89—★ 61.6k+224☆

3supervision可复用的计算机视觉工具库:检测、追踪、标注全套S·88—★ 50.1k+152☆

4tesseract.js纯 JavaScript OCR,支持 100+ 语言S·85—★ 38.7k+10☆

5segment-anythingMeta 万物分割 SAM,一键抠出任意物体S·84—★ 54.9k+29☆

6CLIPOpenAI图文对比学习基座S·84—★ 34.3k+35☆

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

7unilm微软统一预训练:跨任务/语言/模态S·83—★ 22.2k+9☆

8sam2SAM 2:图像视频统一分割,追踪任意对象S·82—★ 19.9k+39☆

9Awesome-Multimodal-Large-Language-Models多模态大模型最新研究资源合集S·82—★ 18.0k+8☆

10EasyOCR开箱即用OCR,支持80余种语言S·81—★ 30.0k+10☆

11rerun多模态机器人数据的可视化查询与训练流S·81—★ 11.4k+40☆

12LLaVA视觉指令微调,开源多模态对话大模型S·80—★ 25.0k+8☆

13X-AnyLabelingAI 辅助数据标注:SAM 等模型加持S·79▼1★ 10.4k+64☆

14RapidOCR多语言多推理后端的OCR工具包S·79—★ 7.8k+90☆

15chandra精准处理复杂版面的OCR识别模型S·79—★ 12.3k+32☆

16doctr深度学习驱动的文档文字识别库S·77—★ 6.3k+11☆

17MineContext主动感知上下文的AI伙伴S·75—★ 5.5k+15☆

18VLM-R1强化学习增强的视觉理解 VLMS·75—★ 6.0k+4☆

19mmfMeta FAIR 的视觉语言多模态研究框架S·75—★ 5.6k☆

20mteb跨语言跨模态的嵌入模型评测基准S·75—★ 3.4k+2☆

21ai类型安全、跨平台的TypeScript AI SDKS·74—★ 3.1k+31☆

22OSWorld多模态智能体真实电脑环境基准测试S·74▲1★ 3.1k+12☆

23Eagle数据为中心策略打造的前沿视觉语言模型S·73—★ 3.6k+31☆

24DataDesignerNeMo合成数据生成工具,助力模型训练S·72—★ 2.2k+8☆

25docarray多模态数据表示、存储与检索库S·72—★ 3.1k☆

26genai-processors轻量级Python并行内容处理库，面向生成式AIS·72—★ 2.1k☆

27mmocrOpenMMLab出品的文字检测识别工具箱S·71—★ 4.8k☆

28SwiftOCRSwift编写的快速简单OCR识别库S·71—★ 4.6k☆

29SimpleHTR基于TensorFlow的手写文字识别系统S·70—★ 2.2k☆

30deep-text-recognition-benchmark深度学习文字识别基准测试框架S·70—★ 3.9k+3☆

31face.evoLVe高性能人脸识别开源库S·70—★ 3.6k+2☆

32parlor设备端实时多模态AI,支持语音视觉自然对话S·70—★ 2.1k+10☆

33AdelaiDet实例级目标检测识别开源工具箱S·70—★ 3.5k+1☆

34CRAFT-pytorch文本区域感知检测官方实现CRAFTS·70—★ 3.4k☆

35ShowUI面向GUI Agent的视觉语言动作模型S·70—★ 1.9k+1☆

36NExT-GPT任意到任意的多模态大语言模型S·70—★ 3.6k☆

37tesserocrTesseract OCR的Python封装库S·70—★ 2.2k☆

38text-detection-ctpn基于CTPN模型的场景文本检测S·70—★ 3.4k☆

39Awesome-LLM4AD自动驾驶LLM相关资源精选清单S·70—★ 1.9k☆

40LLaVA-OneVision-2开放的多模态大模型训练框架S·69—★ 1.2k+4☆

41ha-llmvision为智能家居提供AI视觉理解能力S·69—★ 1.5k+8☆

42thepipe视觉语言模型驱动的复杂文档解析工具S·69—★ 1.5k+1☆

43gosseractGo语言的Tesseract OCR封装库S·69—★ 3.1k+1☆

44MGMMini-Gemini多模态视觉语言模型官方实现S·69—★ 3.3k☆

45awesome-segment-anythingSegment Anything相关资源合集S·69—★ 1.7k☆

46VLM_survey视觉语言模型研究资源合集S·69—★ 3.1k☆

47tesseract-ocr-for-phpPHP语言的Tesseract OCR封装库S·69—★ 3.0k+3☆

48xtreme1一体化多模态数据标注平台，支持点云与大模型S·69▲2★ 1.3k+31☆

49EASTTensorFlow实现的场景文字检测模型S·69—★ 3.1k☆

50mPLUG-DocOwl模块化多模态文档理解大模型，支持OCR与问答S·68—★ 2.4k☆

51Awesome-Unified-Multimodal-Models统一多模态大模型项目资源汇总S·68—★ 1.3k+1☆

52Ovis结构化对齐视觉与文本的多模态大模型S·68—★ 1.5k+5☆

53mPLUG-Owl阿里达摩院出品的多模态大语言模型家族S·68—★ 2.5k+1☆

54awesome-vlm-architectures知名视觉语言模型架构汇总列表S·68—★ 1.3k☆

55awesome-deep-text-detection-recognition深度学习文本检测识别精选资源合集S·68—★ 2.5k+1☆

56OFA统一架构与模态的序列到序列学习框架S·68—★ 2.6k☆

57claude-video-vision让Claude看懂视频的多模态插件S·68—★ 1.3k+11☆

58Show-o统一多模态理解与生成的单一Transformer模型S·67—★ 2.0k+1☆

59groundingLMM生成带目标分割掩码的多模态大模型S·67—★ 968+1☆

60crnnCRNN 卷积循环网络，用于图像序列识别S·67—★ 2.1k☆

展示前 60 名 · 完整榜单见 每日热榜 →