Image Foresting Transform 相关的热门 GitHub AI项目仓库

Stable Diffusion 的网页版界面

适用于GPU云端和本地环境的ComfyUI Docker镜像。包含AI-Dock基础镜像，用于身份验证和提升用户体验。

Turn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 80+ languages.

Upscayl：首屈一指的免费开源AI图像放大软件，支持Linux、MacOS和Windows系统。

开源免费的替代方案，可替代OpenAI、Claude等。支持本地自托管，无需GPU，可在家用硬件上运行。可直接替换OpenAI，支持gguf、transformers、diffusers等多种模型架构。功能包括：文本、音频、视频、图像生成，语音克隆，分布式和P2P推理。

GFPGAN致力于开发用于现实人脸修复的实用算法。

这是目前最大规模的PyTorch图像编码器/骨干网络集合，包含训练、评估、推理、导出脚本和预训练权重——涵盖ResNet、ResNeXT、EfficientNet、NFNet、Vision Transformer (ViT)、MobileNetV4、MobileNet-V3 & V2、RegNet、DPN、CSPNet、Swin Transformer、MaxViT、CoAtNet、ConvNeXt等多种网络。

Real-ESRGAN的目标是开发用于通用图像/视频修复的实用算法。

Diffusers：一个基于PyTorch和FLAX的库，包含最先进的扩散模型，用于图像、视频和音频生成。

你的 AI 第二大脑，可自行托管。从网络或你的文档中获取答案。构建自定义代理，安排自动化任务，进行深度研究。将任何在线或本地大型语言模型 (LLM) 变成你个人的自主 AI（例如 GPT、Claude、Gemini、Llama、Qwen、Mistral）。立即开始 – 免费。

开箱即用的OCR，支持80多种语言和所有流行的文字系统，包括拉丁文、中文、阿拉伯文、天城文、西里尔文等等。

Qdrant 是一款高性能、大规模的向量数据库和向量搜索引擎，专为下一代人工智能而设计。云端版本也已上线：https://cloud.qdrant.io/

Invoke 是一个领先的 Stable Diffusion 模型创意引擎，赋能专业人士、艺术家和爱好者使用最新的 AI 技术生成和创作视觉媒体。该方案提供业界领先的 WebUI，并作为多个商业产品的基础。

基于PyTorch的图像到图像转换

使用Pytorch实现视觉Transformer，这是一种仅用单个Transformer编码器就能轻松达到图像分类领域最先进水平（SOTA）的简易方法。

MiniCPM-V 4.5: A GPT-4o Level MLLM for Single Image, Multi Image and Video Understanding on Your Phone

2025年计算机视觉与模式识别会议（CVPR 2025）论文及开源项目集锦

用于真实世界模糊运动的模糊插值Transformer（CVPR 2023）

落地SAM：融合DINO、Segment Anything、Stable Diffusion和Recognize Anything，实现自动检测、分割和生成任何物体

pix2tex：利用视觉Transformer（ViT）将方程式图片转换成LaTeX代码。