精选计算机视觉工具：AI应用、网站与开源项目大全
resnet-152-text-detector
文本检测计算机视觉
基于ResNet-152的高效图像文本检测深度学习模型
MambaVision-S-1K
模型Github
MambaVision融合Mamba与Transformer的计算机视觉新型架构
vitmatte-small-composition-1k
模型图像抠图
Vision Transformer驱动的先进图像抠图模型
depth-anything-large-hf
模型计算机视觉
基于DPT和DINOv2的大规模深度估计模型
pix2struct-tiny-random
计算机视觉Huggingface
高效图像到文本转换的轻量级模型
marigold-normals-v0-1
模型扩散模型
单目图像的表面法线估计开源项目
Llama-3.2-11B-Vision
模型Github
Meta开发的多模态大语言模型 支持视觉识别和图像推理
mask2former-swin-base-coco-panoptic
语义分割计算机视觉
多任务图像分割的先进模型
DepthCrafter
视频处理模型
生成开放世界视频的长序列一致深度估计
vitmatte-base-composition-1k
计算机视觉Huggingface
Vision Transformer驱动的图像抠图模型
unidepth-v2-vitl14
模型PyTorch
单目度量深度估计模型 支持多样化场景
sam2-hiera-large
模型视频分割
SAM2模型实现图像和视频智能分割
detr-resnet-101
Transformer计算机视觉
DETR目标检测模型：结合ResNet-101与Transformer架构
llava-onevision-qwen2-0.5b-ov-hf
模型多模态语言模型
推动单图、多图和视频理解的多模态大语言模型
InternVL2-2B
模型多模态大语言模型
多模态大语言模型支持多语言及多媒体理解
dpt-large
模型Github
基于视觉变换器的高精度单目深度估计模型
vit_base_patch16_clip_224.openai
CLIP模型
CLIP：跨模态视觉语言理解模型
edsr-base
模型DIV2K
轻量级单图像超分辨率深度残差网络
InternVL2-1B
模型Github
多模态大语言模型实现多图像和视频智能理解
mobilenet_v1_0.75_192
模型图像分类
移动设备优化的轻量级卷积神经网络
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号