#vision Repositórios
Descubra 35 repositórios ativos de código aberto no GitHub marcados com #vision, acumulando um total de 252,035 estrelas (uma média de 7,201 por projeto). O líder deste tópico é LibreChat-AI/LibreChat, com 47,384 estrelas.
35 repositórios no total
Clone do ChatGPT aprimorado: inclui agentes, MCP, habilidades, DeepSeek, Anthropic, AWS, OpenAI, API de respostas, Azure, Groq, o1, GPT-5, Mistral, OpenRouter, Vertex AI, Gemini, Artifacts, troca de modelo de IA, pesquisa de mensagens, interpretador de código, langchain, DALL-E-3, ações OpenAPI, funções, autenticação multiusuário segura, predefinições, código aberto para auto-hospedagem. Ativo
Xray, Penetra Tudo. Também o melhor v2ray-core. Onde a mágica acontece. Uma plataforma aberta para diversos usos.
A Pilha de Agentes de IA Multimodal de Código Aberto: Conectando Modelos de IA de Ponta e Infraestrutura de Agentes
https://arxiv.org/abs/2606.28344. O fim do parsing web. O início da busca nativa de pixels escalável. link: https://pixelrag.ai/
📸 Uma biblioteca de câmera React Native poderosa e de alto desempenho.
O primeiro plugin de visão para DeepSeek Harness e a ponte de visão para cada agente de codificação somente texto. Cole uma imagem, obtenha evidências JSON estruturadas (OCR, layout, semântica).
[ICML'26] SimpleMem: Memória eficiente de longo prazo para agentes de LLM — Texto e multimodal
Plataforma de hardware e software de código aberto para construir um carro autônomo em pequena escala.
[CVPR 2023] DepGraph: Rumo a Qualquer Poda Estrutural; LLMs, Modelos Fundamentais de Visão, etc.
Exemplos de código Java e Kotlin usados em cloud.google.com
Visão para agentes DeepSeek Harness que trabalham somente com texto: cadeia de visão gratuita integrada (sem chave) + ferramentas de visão em nível de pixel (perguntas e respostas, grounding, recorte, diferença de pixels, cores, OCR, rastreamento SVG, recorte de objetos e capturas de tela). Instalação com um único comando, sem Python; os turnos com imagens funcionam como turnos comuns de chamada de ferramentas.
Projete um melhor kit de ferramentas e habilidades visuais para modelos somente de texto "verem" imagens, suportando compreensão de múltiplas imagens, perguntas e respostas sobre imagens, restauração de UI frontend, automação de GUI, etc., com integração opcional e perfeita com vários agentes principais, e reconhecimento direto de imagens coladas | Um kit de ferramentas e habilidades visuais projetado para LLMs somente de texto: perguntas e respostas sobre imagens, OCR de capturas de tela longas, restauração de UI frontend e automação de GUI, com integração opcional e perfeita para Codex, Claude Code, Pi, Oh My Pi e OpenCode
Shiping: capturas de tela + IA para entender tudo o que aparece na sua tela. Código, mensagens de erro, exercícios, gráficos e materiais em outros idiomas: faça uma captura com um atalho de teclado e obtenha uma resposta. Pode ficar em execução em segundo plano como ferramenta de desktop e reconhecer instantaneamente qualquer área selecionada. No modo de conversa, entende perguntas em tempo real e apresenta os pontos principais da resposta. Use como ferramenta de desktop, assistente para entrevistas, provas ou resolução de exercícios.
Vídeos, notas e experimentos para entender o aprendizado profundo
🌝 MLKit é um kit de ferramentas poderoso e fácil de usar. Com o ML Kit, você pode implementar facilmente funcionalidades como reconhecimento de texto, leitura de códigos de barras, rotulagem de imagens, detecção facial e detecção de objetos.
CALVIN - Um benchmark para Aprendizagem de Políticas Condicionada por Linguagem para Tarefas de Manipulação Robótica de Longo Prazo
3DMatch - um descritor geométrico local baseado em 3D ConvNet para alinhamento de malhas 3D e nuvens de pontos.
Uma série de modelos de 11B com pesos abertos para compreensão de vídeos longos e em tempo real
Este aplicativo pode traduzir texto capturado de qualquer aplicativo em execução no seu computador.
Biblioteca de Visão de alto desempenho em Python. Amplie sua pesquisa, não o código repetitivo.
🎰 Uma lista curada de recursos de aprendizado de máquina, preferencialmente CoreML
Deixe a IA ver sua tela em tempo real: filtre os quadros de acordo com o quanto mudam e combine vários em uma única imagem, para que cenas estáticas consumam quase nenhum token.
Converter qualquer captura de tela de design web em código HTML/CSS limpo
Ferramenta de geração de dados de treinamento baseada em visão computacional :rocket:
APCA (Accessible Perceptual Contrast Algorithm) é um novo método para prever o contraste para uso em padrões web emergentes (WCAG 3) para determinar o contraste de legibilidade. O APCA é derivado do SAPC (S-LUV Advanced Predictive Color), que é um modelo de aparência de cor orientado para acessibilidade, projetado para displays autoiluminados.
LLaVA-Mini é um modelo multimodal grande unificado (LMM) que pode suportar a compreensão de imagens, imagens de alta resolução e vídeos de forma eficiente.
Perguntas Frequentes
Qual é o repositório de #vision mais popular no GitHub?
O projeto de código aberto de #vision mais bem classificado no GitHub é LibreChat-AI/LibreChat, com 47,384 estrelas. Clone do ChatGPT aprimorado: inclui agentes, MCP, habilidades, DeepSeek, Anthropic, AWS, OpenAI, API de respostas, Azure, Groq, o1, GPT-5, Mistral, OpenRouter, Vertex AI, Gemini, Artifacts, troca de modelo de IA, pesquisa de mensagens, interpretador de código, langchain, DALL-E-3, ações OpenAPI, funções, autenticação multiusuário segura, predefinições, código aberto para auto-hospedagem. Ativo
Quais linguagens de programação são mais usadas nos repositórios de #vision?
Entre os projetos de #vision mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, TypeScript, C++, JavaScript.
Como é calculada a classificação dos repositórios de #vision?
Acompanhamos 35 repositórios ativos de código aberto marcados com #vision (com mais de 500 estrelas), totalizando 252,035 estrelas e uma média de 7,201 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.