#vision Repositories
Entdecke 35 aktive Open-Source-GitHub-Repositories, die mit #vision getaggt sind und insgesamt 252,035 Sterne gesammelt haben (durchschnittlich 7,201 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist LibreChat-AI/LibreChat mit 47,384 Sternen.
Insgesamt 35 Repositories
Erweiterter ChatGPT-Klon: Funktionen wie Agenten, MCP, Skills, DeepSeek, Anthropic, AWS, OpenAI, Responses API, Azure, Groq, o1, GPT-5, Mistral, OpenRouter, Vertex AI, Gemini, Artifacts, KI-Modellwechsel, Nachrichtensuche, Code-Interpreter, langchain, DALL-E-3, OpenAPI-Aktionen, Funktionen, sichere Multi-User-Authentifizierung, Voreinstellungen, Open-Source für Selbst-Hosting. Aktiv
Xray, durchdringt alles. Auch der beste v2ray-core. Hier geschieht Magie. Eine offene Plattform für verschiedene Anwendungen.
Der Open-Source Multimodal AI Agent Stack: Verbindung von Spitzen-KI-Modellen und Agenten-Infrastruktur
https://arxiv.org/abs/2606.28344. Das Ende des Web-Parsings. Der Beginn der skalierbaren Pixel-nativen Suche. Link: https://pixelrag.ai/
Eine leistungsstarke, hochperformante React Native Kamera-Bibliothek.
Das erste Vision-Plugin für DeepSeek Harness und die Vision-Brücke für jeden textbasierten Codierungsagenten. Fügen Sie ein Bild ein, erhalten Sie strukturierte JSON-Beweise (OCR, Layout, Semantik).
[ICML'26] SimpleMem: Effizientes lebenslanges Gedächtnis für LLM-Agenten – Text und multimodal
Open-Source-Hardware- und Software-Plattform zum Bau eines kleinmaßstäblichen selbstfahrenden Autos.
[CVPR 2023] DepGraph: Zu beliebiger struktureller Beschneidung; LLMs, Vision Foundation Models usw.
Java- und Kotlin-Codebeispiele auf cloud.google.com verwendet
Sehen für reine Textagenten von DeepSeek Harness: integrierte kostenlose Bildverarbeitungskette (ohne Schlüssel) + pixelgenaue Vision-Tools (Fragen und Antworten, Grounding, Zuschneiden, Pixeldifferenz, Farben, OCR, SVG-Nachzeichnen, Freistellen, Screenshots). Installation mit einem einzigen Befehl, ohne Python; Bildrunden funktionieren wie gewöhnliche Tool-Aufruf-Runden.
Entwerfen Sie ein besseres visuelles Toolkit und Fähigkeiten für reine Textmodelle, um Bilder zu „sehen“, mit Unterstützung für Multi-Bild-Verständnis, Bildfragen, Frontend-UI-Wiederherstellung, GUI-Automatisierung usw., und optional nahtlose Integration mit mehreren gängigen Agenten sowie direkte Erkennung eingefügter Bilder | Ein visuelles Toolkit und Fähigkeiten, die für reine Text-LLMs entwickelt wurden: Bildfragen, OCR für lange Screenshots, Frontend-UI-Wiederherstellung und GUI-Automatisierung, mit optionaler nahtloser Integration für Codex, Claude Code, Pi, Oh My Pi und OpenCode
Shiping: Screenshots + KI, um alles auf deinem Bildschirm zu verstehen. Code, Fehlermeldungen, Aufgaben, Diagramme und fremdsprachige Materialien – erstelle per Tastenkürzel einen Screenshot und erhalte eine Antwort. Das Tool kann dauerhaft im Hintergrund laufen; markiere jederzeit einen Bereich zur sofortigen Erkennung. Im Gesprächsmodus versteht es Fragen in Echtzeit und liefert die wichtigsten Antwortpunkte. Nutze es als Desktop-Tool, Interview-, Prüfungs- oder Übungsassistent.
Videos, Notizen und Experimente zum Verständnis von Deep Learning
🌝 MLKit ist ein leistungsstarkes und einfach zu bedienendes Toolkit. Mit ML Kit können Sie Funktionen wie Texterkennung, Barcode-Erkennung, Bild-Labeling, Gesichtserkennung, Objekterkennung usw. ganz einfach implementieren.
CALVIN - Ein Benchmark für sprachkonditioniertes Policy Learning für Roboter-Manipulationsaufgaben mit langem Horizont
Eine CUDA-Implementierung von SIFT für NVIDIA-GPUs (1,2 ms auf einer GTX 1060)
Eine kuratierte Sammlung von iOS-, ML- und AR-Ressourcen, gewürzt mit einigen UI-Elementen.
3DMatch - ein lokaler geometrischer Deskriptor basierend auf 3D ConvNet für die Ausrichtung von 3D-Meshes und Punktwolken.
Eine 11B-Modellreihe mit offenen Gewichten zum Verstehen von Langform- und Echtzeitvideos
Diese Anwendung kann Text übersetzen, der aus jeder auf Ihrem Computer ausgeführten Anwendung erfasst wurde.
Leistungsstarke Vision-Bibliothek in Python. Skalieren Sie Ihre Forschung, nicht Boilerplate.
🎰 Eine kuratierte Liste von maschinellen Lernressourcen, vorzugsweise CoreML
Lass die KI deinen Bildschirm in Echtzeit sehen: Wähle Frames nach dem Ausmaß ihrer Veränderung aus und füge mehrere zu einem Bild zusammen, sodass statische Szenen kaum Tokens verbrauchen.
Konvertieren Sie jeden Webdesign-Screenshot in sauberen HTML/CSS-Code
Tool zur Generierung von ML-Trainingsdaten basierend auf Computer Vision :rocket:
APCA (Accessible Perceptual Contrast Algorithm) ist eine neue Methode zur Vorhersage von Kontrasten, die in aufkommenden Web-Standards (WCAG 3) zur Bestimmung des Lesbarkeitskontrasts verwendet wird. APCA leitet sich vom SAPC (S-LUV Advanced Predictive Color) ab, das ein auf Barrierefreiheit ausgerichtetes Farbauftrittsmodell für selbstleuchtende Displays ist.
LLaVA-Mini ist ein einheitliches großes multimodales Modell (LMM), das Bilder, hochauflösende Bilder und Videos auf effiziente Weise verstehen kann.
Häufig gestellte Fragen
Welches ist das beliebteste #vision-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#vision-Projekt auf GitHub ist LibreChat-AI/LibreChat mit 47,384 Sternen. Erweiterter ChatGPT-Klon: Funktionen wie Agenten, MCP, Skills, DeepSeek, Anthropic, AWS, OpenAI, Responses API, Azure, Groq, o1, GPT-5, Mistral, OpenRouter, Vertex AI, Gemini, Artifacts, KI-Modellwechsel, Nachrichtensuche, Code-Interpreter, langchain, DALL-E-3, OpenAPI-Aktionen, Funktionen, sichere Multi-User-Authentifizierung, Voreinstellungen, Open-Source für Selbst-Hosting. Aktiv
Welche Programmiersprachen werden in #vision-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #vision-Projekten auf GitHub sind Python, TypeScript, C++, JavaScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #vision-Repositories berechnet?
Wir verfolgen 35 aktive Open-Source-Repositories, die mit #vision getaggt sind (500+ Sterne), mit insgesamt 252,035 Sternen und durchschnittlich 7,201 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.