#vision Repositorios
Descubre 35 repositorios activos de código abierto de GitHub etiquetados con #vision, que acumulan 252,035 estrellas en total (una media de 7,201 estrellas por proyecto). El líder de este tema es LibreChat-AI/LibreChat, con 47,384 estrellas.
35 repositorios en total
Clon de ChatGPT mejorado: incluye agentes, MCP, habilidades, DeepSeek, Anthropic, AWS, OpenAI, API de respuestas, Azure, Groq, o1, GPT-5, Mistral, OpenRouter, Vertex AI, Gemini, Artifacts, cambio de modelo de IA, búsqueda de mensajes, intérprete de código, langchain, DALL-E-3, acciones OpenAPI, funciones, autenticación multiusuario segura, ajustes preestablecidos, código abierto para autohospedaje. Activo
Xray, lo penetra todo. También el mejor v2ray-core. Donde sucede la magia. Una plataforma abierta para diversos usos.
El Stack de Agentes IA Multimodales de Código Abierto: Conectando Modelos de IA de Vanguardia e Infraestructura de Agentes
https://arxiv.org/abs/2606.28344. El fin del análisis web. El comienzo de la búsqueda nativa de píxeles escalable. enlace: https://pixelrag.ai/
Una potente biblioteca de cámara React Native de alto rendimiento.
El primer complemento de visión para DeepSeek Harness, y el puente de visión para cada agente de codificación solo de texto. Pega una imagen, obtén evidencia JSON estructurada (OCR, diseño, semántica).
[ICML'26] SimpleMem: Memoria eficiente de por vida para agentes de LLM — Texto y multimodal
Plataforma de hardware y software de código abierto para construir un automóvil autónomo a pequeña escala.
[CVPR 2023] DepGraph: Hacia cualquier poda estructural; LLMs, Modelos Fundamentales de Visión, etc.
Ejemplos de código Java y Kotlin utilizados en cloud.google.com
Visión para agentes de DeepSeek Harness que solo trabajan con texto: cadena de visión gratuita integrada (sin clave) + herramientas de visión a nivel de píxel (preguntas y respuestas, grounding, recorte, diferencia de píxeles, colores, OCR, trazado SVG, recorte de objetos y capturas de pantalla). Instalación con un solo comando, sin Python; los turnos con imágenes funcionan como los turnos normales de llamada a herramientas.
Diseñe un mejor kit de herramientas y habilidades visuales para que los modelos de solo texto "vean" imágenes, admitiendo comprensión de múltiples imágenes, preguntas y respuestas sobre imágenes, restauración de UI frontend, automatización de GUI, etc., con integración opcional y sin problemas con múltiples agentes principales, y reconocimiento directo de imágenes pegadas | Un kit de herramientas y habilidades visuales diseñado para LLM de solo texto: preguntas y respuestas sobre imágenes, OCR de capturas de pantalla largas, restauración de UI frontend y automatización de GUI, con integración opcional y sin problemas para Codex, Claude Code, Pi, Oh My Pi y OpenCode
Shiping: capturas de pantalla + IA para entender cualquier contenido de tu pantalla. Código, mensajes de error, ejercicios, gráficos y materiales en otros idiomas: haz una captura con un atajo de teclado y obtén una respuesta. Puede ejecutarse en segundo plano como herramienta de escritorio y reconocer al instante cualquier área que selecciones. En el modo de conversación, entiende las preguntas en tiempo real y ofrece los puntos clave de la respuesta. Úsalo como herramienta de escritorio, asistente para entrevistas, exámenes o práctica de ejercicios.
Videos, notas y experimentos para entender el aprendizaje profundo
🌝 MLKit es un kit de herramientas potente y fácil de usar. Con ML Kit, puede implementar fácilmente funciones como reconocimiento de texto, reconocimiento de códigos de barras, etiquetado de imágenes, detección de rostros, detección de objetos, etc.
CALVIN - Un punto de referencia para el aprendizaje de políticas condicionado por el lenguaje para tareas de manipulación robótica de largo alcance
3DMatch - un descriptor geométrico local basado en ConvNet 3D para alinear mallas 3D y nubes de puntos.
Una serie de modelos de 11B con pesos abiertos para la comprensión de videos de larga duración y en tiempo real
Esta aplicación puede traducir texto capturado desde cualquier aplicación que se ejecute en tu ordenador.
Biblioteca de visión de alto rendimiento en Python. Escala tu investigación, no el boilerplate.
🎰 Una lista curada de recursos de aprendizaje automático, preferiblemente CoreML
Deja que la IA vea tu pantalla en tiempo real: filtra los fotogramas según cuánto cambian y combina varios en una sola imagen, para que las escenas estáticas apenas consuman tokens.
Convierta cualquier captura de pantalla de diseño web en código HTML/CSS limpio
Herramienta de generación de datos de entrenamiento de ML basada en visión por computadora :rocket:
APCA (Accessible Perceptual Contrast Algorithm) es un nuevo método para predecir el contraste para su uso en estándares web emergentes (WCAG 3) para determinar el contraste de legibilidad. APCA se deriva del SAPC (S-LUV Advanced Predictive Color), que es un modelo de apariencia de color orientado a la accesibilidad diseñado para pantallas autoiluminadas.
LLaVA-Mini es un modelo multimodal grande y unificado (LMM) que puede admitir la comprensión de imágenes, imágenes de alta resolución y videos de manera eficiente.
Preguntas frecuentes
¿Cuál es el repositorio de #vision más popular en GitHub?
El proyecto de código abierto de #vision mejor posicionado en GitHub es LibreChat-AI/LibreChat, con 47,384 estrellas. Clon de ChatGPT mejorado: incluye agentes, MCP, habilidades, DeepSeek, Anthropic, AWS, OpenAI, API de respuestas, Azure, Groq, o1, GPT-5, Mistral, OpenRouter, Vertex AI, Gemini, Artifacts, cambio de modelo de IA, búsqueda de mensajes, intérprete de código, langchain, DALL-E-3, acciones OpenAPI, funciones, autenticación multiusuario segura, ajustes preestablecidos, código abierto para autohospedaje. Activo
¿Qué lenguajes de programación se utilizan más en los repositorios de #vision?
Entre los proyectos de #vision mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, TypeScript, C++, JavaScript.
¿Cómo se calcula la clasificación de los repositorios de #vision?
Seguimos 35 repositorios activos de código abierto etiquetados con #vision (500+ estrellas), que suman un total de 252,035 estrellas, con una media de 7,201 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.