[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-OpenDriveLab--Vista":3,"tool-OpenDriveLab--Vista":64},[4,17,27,35,48,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,43,44,45,15,46,26,13,47],"数据工具","视频","插件","其他","音频",{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":10,"last_commit_at":54,"category_tags":55,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,46],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},2181,"OpenHands","OpenHands\u002FOpenHands","OpenHands 是一个专注于 AI 驱动开发的开源平台，旨在让智能体（Agent）像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点，通过自动化流程显著提升开发速度。\n\n无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员，还是需要快速原型验证的技术团队，都能从中受益。OpenHands 提供了灵活多样的使用方式：既可以通过命令行（CLI）或本地图形界面在个人电脑上轻松上手，体验类似 Devin 的流畅交互；也能利用其强大的 Python SDK 自定义智能体逻辑，甚至在云端大规模部署上千个智能体并行工作。\n\n其核心技术亮点在于模块化的软件智能体 SDK，这不仅构成了平台的引擎，还支持高度可组合的开发模式。此外，OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩，证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能，支持与 Slack、Jira 等工具集成，并提供细粒度的权限管理，适合从个人开发者到大型企业的各类用户场景。",70612,"2026-04-05T11:12:22",[26,15,13,45],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":75,"owner_avatar_url":76,"owner_bio":77,"owner_company":78,"owner_location":78,"owner_email":79,"owner_twitter":75,"owner_website":80,"owner_url":81,"languages":82,"stars":87,"forks":88,"last_commit_at":89,"license":90,"difficulty_score":91,"env_os":92,"env_gpu":93,"env_ram":92,"env_deps":94,"category_tags":98,"github_topics":99,"view_count":23,"oss_zip_url":78,"oss_zip_packed_at":78,"status":16,"created_at":103,"updated_at":104,"faqs":105,"releases":135},2405,"OpenDriveLab\u002FVista","Vista","[NeurIPS 2024] A Generalizable World Model for Autonomous Driving","Vista 是一款由 OpenDriveLab 团队研发、入选 NeurIPS 2024 的自动驾驶通用世界模型。它核心致力于解决自动驾驶系统在复杂场景下难以精准预测未来状态及缺乏高质量仿真数据的难题。通过深度学习，Vista 能够根据当前路况生成高保真、长时段的未来驾驶视频序列，仿佛为车辆构建了一个可无限推演的“平行世界”。\n\n该模型不仅支持连续且长期的轨迹预测，还具备极强的可控性，允许用户通过转向角、速度、自然语言指令、规划轨迹甚至目标点等多种模态来干预和引导生成的未来场景。此外，Vista 还能在不依赖真实标注数据的情况下，为不同的驾驶动作提供奖励信号，极大降低了强化学习训练的成本与门槛。\n\nVista 特别适合自动驾驶领域的研究人员、算法工程师及相关开发者使用。无论是用于训练更鲁棒的驾驶策略、验证极端工况下的系统安全性，还是作为生成式仿真引擎补充稀缺数据，Vista 都能提供强有力的支持。其基于扩散模型的架构设计，确保了生成画面的细腻度与物理逻辑的一致性，是推动自动驾驶从感知向决策演进的重要开源工具。","> [!IMPORTANT]\n> 🌟 Stay up to date at [opendrivelab.com](https:\u002F\u002Fopendrivelab.com\u002F#news)!\n\n# Vista\n\nThe official implementation of our **NeurIPS 2024** paper:\n\n**Vista: A Generalizable Driving World Model with High Fidelity and Versatile Controllability**\n\n>  [Shenyuan Gao](https:\u002F\u002Fgithub.com\u002FLittle-Podi), [Jiazhi Yang](https:\u002F\u002Fscholar.google.com\u002Fcitations?user=Ju7nGX8AAAAJ&hl=en), [Li Chen](https:\u002F\u002Fscholar.google.com\u002Fcitations?user=ulZxvY0AAAAJ&hl=en), [Kashyap Chitta](https:\u002F\u002Fkashyap7x.github.io\u002F), [Yihang Qiu](https:\u002F\u002Fscholar.google.com\u002Fcitations?user=qgRUOdIAAAAJ&hl=en), [Andreas Geiger](https:\u002F\u002Fwww.cvlibs.net\u002F), [Jun Zhang](https:\u002F\u002Feejzhang.people.ust.hk\u002F), [Hongyang Li](https:\u002F\u002Flihongyang.info\u002F)\n>\n> 📜 [[technical report](https:\u002F\u002Farxiv.org\u002Fabs\u002F2405.17398)], 🎬 [[video demos](https:\u002F\u002Fvista-demo.github.io\u002F)], 🤗 [[model weights](https:\u002F\u002Fhuggingface.co\u002FOpenDriveLab\u002FVista)], 🗃️ [[OpenDV dataset](https:\u002F\u002Fgithub.com\u002FOpenDriveLab\u002FDriveAGI?tab=readme-ov-file#opendv)], 🪧 [[poster](assets\u002Fnips24_vista_poster.png)]\n\n\u003Cdiv id=\"top\" align=\"center\">\n\u003Cp align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOpenDriveLab_Vista_readme_784489d921b3.gif\" width=\"1000px\" >\n\u003C\u002Fp>\n\u003C\u002Fdiv>\n\n> Simulated futures in a wide range of driving scenarios by [Vista](https:\u002F\u002Farxiv.org\u002Fabs\u002F2405.17398). Best viewed on [demo page](https:\u002F\u002Fvista-demo.github.io\u002F).\n\n## 🔥 Highlights\n\n**Vista** is a generalizable driving world model that can:\n\n- *Predict high-fidelity futures in various scenarios*.\n- *Extend its predictions to continuous and long horizons*.\n- *Execute multi-modal actions (steering angles, speeds, commands, trajectories, goal points).*\n- *Provide rewards for different actions without accessing ground truth actions.*\n\n\u003Cdiv id=\"top\" align=\"center\">\n\u003Cp align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOpenDriveLab_Vista_readme_e0cf780d640f.png\" width=\"1000px\" >\n\u003C\u002Fp>\n\u003C\u002Fdiv>\n\n## 📢 News\n\n> [!IMPORTANT]\n> There is an error in merging the EMA weights of the previously uploaded model. Please download the latest model below.\n\n- **[2024\u002F06\u002F06]** We released the model weights v1.0 at [Hugging Face](https:\u002F\u002Fhuggingface.co\u002FOpenDriveLab\u002FVista\u002Fblob\u002Fmain\u002Fvista.safetensors) and [Google Drive](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1bCM7XLDquRqnnpauQAK5j1jP-n0y1ama\u002Fview).\n- **[2024\u002F06\u002F04]** We released the installation, training, and sampling scripts.\n- **[2024\u002F05\u002F28]** We released the implementation of our model.\n- **[2024\u002F05\u002F28]** We released our [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2405.17398) on arXiv.\n\n## 📋 TODO List\n\n- [ ] New model weights trained with a larger batch size ane more iterations.\n- [ ] Memory efficient training and sampling.\n- [ ] Online demo for interaction.\n\n## 🕹️ Getting Started\n\n- [Installation](https:\u002F\u002Fgithub.com\u002FOpenDriveLab\u002FVista\u002Fblob\u002Fmain\u002Fdocs\u002FINSTALL.md)\n\n- [Training](https:\u002F\u002Fgithub.com\u002FOpenDriveLab\u002FVista\u002Fblob\u002Fmain\u002Fdocs\u002FTRAINING.md)\n\n- [Sampling](https:\u002F\u002Fgithub.com\u002FOpenDriveLab\u002FVista\u002Fblob\u002Fmain\u002Fdocs\u002FSAMPLING.md)\n\n- [Trouble Shooting](https:\u002F\u002Fgithub.com\u002FOpenDriveLab\u002FVista\u002Fblob\u002Fmain\u002Fdocs\u002FISSUES.md)\n\n## ❤️ Acknowledgement\n\nOur implementation is based on [generative-models](https:\u002F\u002Fgithub.com\u002FStability-AI\u002Fgenerative-models) from Stability AI. Thanks for their great open-source work!\n\n## ⭐ Citation\n\nIf any parts of our paper and code help your research, please consider citing us and giving a star to our repository.\n\n```bibtex\n@inproceedings{gao2024vista,\n title={Vista: A Generalizable Driving World Model with High Fidelity and Versatile Controllability}, \n author={Shenyuan Gao and Jiazhi Yang and Li Chen and Kashyap Chitta and Yihang Qiu and Andreas Geiger and Jun Zhang and Hongyang Li},\n booktitle={Advances in Neural Information Processing Systems (NeurIPS)},\n year={2024}\n}\n\n@inproceedings{yang2024genad,\n  title={Generalized Predictive Model for Autonomous Driving},\n  author={Jiazhi Yang and Shenyuan Gao and Yihang Qiu and Li Chen and Tianyu Li and Bo Dai and Kashyap Chitta and Penghao Wu and Jia Zeng and Ping Luo and Jun Zhang and Andreas Geiger and Yu Qiao and Hongyang Li},\n  booktitle={Proceedings of the IEEE\u002FCVF Conference on Computer Vision and Pattern Recognition (CVPR)},\n  year={2024}\n}\n```\n\n## ⚖️ License\n\nAll content in this repository are under the [Apache-2.0 license](https:\u002F\u002Fwww.apache.org\u002Flicenses\u002FLICENSE-2.0).\n","> [!IMPORTANT]\n> 🌟 请在 [opendrivelab.com](https:\u002F\u002Fopendrivelab.com\u002F#news) 上获取最新资讯！\n\n# Vista\n\n我们 **NeurIPS 2024** 论文的官方实现：\n\n**Vista：具有高保真度和多功能可控性的通用驾驶世界模型**\n\n>  [Shenyuan Gao](https:\u002F\u002Fgithub.com\u002FLittle-Podi), [Jiazhi Yang](https:\u002F\u002Fscholar.google.com\u002Fcitations?user=Ju7nGX8AAAAJ&hl=en), [Li Chen](https:\u002F\u002Fscholar.google.com\u002Fcitations?user=ulZxvY0AAAAJ&hl=en), [Kashyap Chitta](https:\u002F\u002Fkashyap7x.github.io\u002F), [Yihang Qiu](https:\u002F\u002Fscholar.google.com\u002Fcitations?user=qgRUOdIAAAAJ&hl=en), [Andreas Geiger](https:\u002F\u002Fwww.cvlibs.net\u002F), [Jun Zhang](https:\u002F\u002Feejzhang.people.ust.hk\u002F), [Hongyang Li](https:\u002F\u002Flihongyang.info\u002F)\n>\n> 📜 [[技术报告](https:\u002F\u002Farxiv.org\u002Fabs\u002F2405.17398)], 🎬 [[视频演示](https:\u002F\u002Fvista-demo.github.io\u002F)], 🤗 [[模型权重](https:\u002F\u002Fhuggingface.co\u002FOpenDriveLab\u002FVista)], 🗃️ [[OpenDV 数据集](https:\u002F\u002Fgithub.com\u002FOpenDriveLab\u002FDriveAGI?tab=readme-ov-file#opendv)], 🪧 [[海报](assets\u002Fnips24_vista_poster.png)]\n\n\u003Cdiv id=\"top\" align=\"center\">\n\u003Cp align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOpenDriveLab_Vista_readme_784489d921b3.gif\" width=\"1000px\" >\n\u003C\u002Fp>\n\u003C\u002Fdiv>\n\n> 由 [Vista](https:\u002F\u002Farxiv.org\u002Fabs\u002F2405.17398) 模拟的多种驾驶场景下的未来状态。建议在 [演示页面](https:\u002F\u002Fvista-demo.github.io\u002F) 上观看效果更佳。\n\n## 🔥 亮点\n\n**Vista** 是一个通用的驾驶世界模型，能够：\n\n- *在各种场景中预测高保真的未来状态*。\n- *将预测扩展到连续且较长的时间范围*。\n- *执行多模态动作（转向角、速度、指令、轨迹、目标点）*。\n- *无需访问真实标签即可为不同动作提供奖励*。\n\n\u003Cdiv id=\"top\" align=\"center\">\n\u003Cp align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOpenDriveLab_Vista_readme_e0cf780d640f.png\" width=\"1000px\" >\n\u003C\u002Fp>\n\u003C\u002Fdiv>\n\n## 📢 最新消息\n\n> [!IMPORTANT]\n> 之前上传的模型在合并 EMA 权重时存在错误，请下载下方的最新版本。\n\n- **[2024\u002F06\u002F06]** 我们已在 [Hugging Face](https:\u002F\u002Fhuggingface.co\u002FOpenDriveLab\u002FVista\u002Fblob\u002Fmain\u002Fvista.safetensors) 和 [Google Drive](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1bCM7XLDquRqnnpauQAK5j1jP-n0y1ama\u002Fview) 上发布了 v1.0 版本的模型权重。\n- **[2024\u002F06\u002F04]** 我们发布了安装、训练和采样脚本。\n- **[2024\u002F05\u002F28]** 我们公开了模型的实现代码。\n- **[2024\u002F05\u002F28]** 我们在 arXiv 上发布了我们的论文 [论文链接](https:\u002F\u002Farxiv.org\u002Fabs\u002F2405.17398)。\n\n## 📋 待办事项\n\n- [ ] 使用更大批量和更多迭代次数训练的新模型权重。\n- [ ] 实现内存高效的训练和采样。\n- [ ] 开发在线交互式演示。\n\n## 🕹️ 快速入门\n\n- [安装指南](https:\u002F\u002Fgithub.com\u002FOpenDriveLab\u002FVista\u002Fblob\u002Fmain\u002Fdocs\u002FINSTALL.md)\n\n- [训练指南](https:\u002F\u002Fgithub.com\u002FOpenDriveLab\u002FVista\u002Fblob\u002Fmain\u002Fdocs\u002FTRAINING.md)\n\n- [采样指南](https:\u002F\u002Fgithub.com\u002FOpenDriveLab\u002FVista\u002Fblob\u002Fmain\u002Fdocs\u002FSAMPLING.md)\n\n- [故障排除](https:\u002F\u002Fgithub.com\u002FOpenDriveLab\u002FVista\u002Fblob\u002Fmain\u002Fdocs\u002FISSUES.md)\n\n## ❤️ 致谢\n\n我们的实现基于 Stability AI 的 [generative-models](https:\u002F\u002Fgithub.com\u002FStability-AI\u002Fgenerative-models)。感谢他们出色的开源工作！\n\n## ⭐ 引用\n\n如果我们的论文或代码对您的研究有所帮助，请考虑引用我们，并为我们的仓库点亮一颗星。\n\n```bibtex\n@inproceedings{gao2024vista,\n title={Vista: A Generalizable Driving World Model with High Fidelity and Versatile Controllability}, \n author={Shenyuan Gao and Jiazhi Yang and Li Chen and Kashyap Chitta and Yihang Qiu and Andreas Geiger and Jun Zhang and Hongyang Li},\n booktitle={Advances in Neural Information Processing Systems (NeurIPS)},\n year={2024}\n}\n\n@inproceedings{yang2024genad,\n  title={Generalized Predictive Model for Autonomous Driving},\n  author={Jiazhi Yang and Shenyuan Gao and Yihang Qiu and Li Chen and Tianyu Li and Bo Dai and Kashyap Chitta and Penghao Wu and Jia Zeng and Ping Luo and Jun Zhang and Andreas Geiger and Yu Qiao and Hongyang Li},\n  booktitle={Proceedings of the IEEE\u002FCVF Conference on Computer Vision and Pattern Recognition (CVPR)},\n  year={2024}\n}\n```\n\n## ⚖️ 许可证\n\n本仓库中的所有内容均采用 [Apache-2.0 许可证](https:\u002F\u002Fwww.apache.org\u002Flicenses\u002FLICENSE-2.0)。","# Vista 快速上手指南\n\nVista 是一个通用的驾驶世界模型，具备高保真度预测和多样化的控制能力，支持长时序预测、多模态动作执行（如转向角、速度、轨迹等）以及无真值奖励评估。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**: Linux (推荐 Ubuntu 20.04\u002F22.04)\n*   **GPU**: NVIDIA GPU (建议显存 ≥ 24GB，支持 CUDA 11.8+)\n*   **Python**: 3.9 或更高版本\n*   **前置依赖**:\n    *   PyTorch (与 CUDA 版本匹配)\n    *   Git\n    *   Conda (推荐用于环境管理)\n\n> **注意**：本项目基于 Stability AI 的 `generative-models` 构建，对显存要求较高。\n\n## 安装步骤\n\n### 1. 克隆仓库\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FOpenDriveLab\u002FVista.git\ncd Vista\n```\n\n### 2. 创建并激活虚拟环境\n推荐使用 Conda 创建隔离环境：\n```bash\nconda create -n vista python=3.9 -y\nconda activate vista\n```\n\n### 3. 安装依赖\n根据官方文档指引安装核心依赖（国内用户可使用清华源加速）：\n```bash\npip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n若需完整功能，请参考项目根目录下的详细安装文档：\n*   [详细安装指南 (INSTALL.md)](https:\u002F\u002Fgithub.com\u002FOpenDriveLab\u002FVista\u002Fblob\u002Fmain\u002Fdocs\u002FINSTALL.md)\n\n## 基本使用\n\n### 1. 下载模型权重\n**重要提示**：早期上传的模型存在 EMA 权重合并错误，请务必下载最新版本 (v1.0)。\n\n您可以从以下地址下载 `vista.safetensors` 文件：\n*   **Hugging Face**: [OpenDriveLab\u002FVista](https:\u002F\u002Fhuggingface.co\u002FOpenDriveLab\u002FVista\u002Fblob\u002Fmain\u002Fvista.safetensors)\n*   **Google Drive**: [下载链接](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1bCM7XLDquRqnnpauQAK5j1jP-n0y1ama\u002Fview)\n\n将下载的文件放置在项目指定的权重目录下（通常为 `checkpoints\u002F` 或在配置文件中指定路径）。\n\n### 2. 运行采样（推理）\n使用提供的脚本进行未来场景预测采样。以下是最基础的运行命令示例：\n\n```bash\npython scripts\u002Fsample.py --config configs\u002Fvista.yaml --ckpt_path checkpoints\u002Fvista.safetensors\n```\n\n*   `--config`: 指定模型配置文件。\n*   `--ckpt_path`: 指定下载的模型权重文件路径。\n\n更多高级用法（如指定控制指令、生成长时序视频等），请参阅：\n*   [采样文档 (SAMPLING.md)](https:\u002F\u002Fgithub.com\u002FOpenDriveLab\u002FVista\u002Fblob\u002Fmain\u002Fdocs\u002FSAMPLING.md)\n\n### 3. 训练模型（可选）\n如需使用 OpenDV 数据集重新训练或微调模型，请参照训练文档：\n*   [训练文档 (TRAINING.md)](https:\u002F\u002Fgithub.com\u002FOpenDriveLab\u002FVista\u002Fblob\u002Fmain\u002Fdocs\u002FTRAINING.md)\n\n---\n*本指南基于 Vista NeurIPS 2024 官方仓库整理，代码与命令保留原文格式。*","某自动驾驶初创公司的算法团队正在开发城市复杂路口的决策规划模块，急需大量涵盖极端天气和罕见交通状况的训练数据来验证系统安全性。\n\n### 没有 Vista 时\n- **数据采集成本高昂且危险**：为了获取暴雨、夜间眩光或突发行人横穿等长尾场景数据，团队必须派遣车队实地采集，不仅耗时耗力，还存在极高的安全风险。\n- **仿真画面失真导致“虚实鸿沟”**：传统模拟器生成的图像缺乏真实感，纹理僵硬、光影不自然，导致在仿真中训练好的模型部署到实车后表现大幅下降。\n- **控制指令单一，难以覆盖多维决策**：旧有工具通常只能基于固定轨迹回放，无法灵活模拟不同转向角度、车速组合下的连续未来状态，限制了策略优化的空间。\n- **缺乏无真值奖励机制**：在没有地面真值（Ground Truth）动作的情况下，难以评估不同驾驶策略的优劣，导致强化学习训练效率低下。\n\n### 使用 Vista 后\n- **零成本生成高保真极端场景**：Vista 能够直接根据文本或指令生成暴雨、大雾等罕见场景的高清视频流，无需实车冒险采集，瞬间构建出丰富的长尾数据集。\n- **消除仿真与现实的视觉差距**：凭借神经辐射场般的高保真预测能力，Vista 生成的未来帧在光照、反射和动态物体细节上与真实摄像头画面几乎无异，显著提升了模型泛化性。\n- **支持多模态动作的连续推演**：工程师可以输入不同的转向角、速度命令甚至目标点，Vista 即可推演出长时间跨度下连贯且符合物理规律的驾驶未来，助力全方位策略验证。\n- **提供内在奖励信号加速训练**：Vista 能在无需真实动作标签的情况下，为不同的驾驶行为打分并提供奖励信号，大幅加快了端到端驾驶策略的强化学习收敛速度。\n\nVista 通过构建一个高保真、可无限交互的虚拟驾驶世界，将自动驾驶算法的迭代周期从“月级”缩短至“天级”，同时彻底解决了长尾场景数据匮乏的行业难题。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOpenDriveLab_Vista_784489d9.gif","OpenDriveLab","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FOpenDriveLab_721a66c7.png","AI for Robotics and Autonomous Driving at The University of Hong Kong (HKU)",null,"contact@opendrivelab.com","https:\u002F\u002Fopendrivelab.com","https:\u002F\u002Fgithub.com\u002FOpenDriveLab",[83],{"name":84,"color":85,"percentage":86},"Python","#3572A5",100,865,61,"2026-03-25T11:36:58","Apache-2.0",4,"未说明","必需（基于生成式模型和 Stability AI 架构推断），具体型号、显存大小及 CUDA 版本未在提供的文本中说明",{"notes":95,"python":92,"dependencies":96},"该工具是基于 Stability AI 的 generative-models 实现的驾驶世界模型。具体的安装、训练和采样环境需求（如操作系统、GPU 型号、Python 版本等）未在本文本中列出，需参考 README 中链接的外部文档（docs\u002FINSTALL.md）。注意：之前上传的模型权重存在合并错误，请下载最新版本（v1.0）。",[97],"generative-models (Stability AI)",[44,15],[100,101,102],"autonomous-driving","video-generation","world-model","2026-03-27T02:49:30.150509","2026-04-06T06:55:13.997094",[106,111,116,121,126,131],{"id":107,"question_zh":108,"answer_zh":109,"source_url":110},11073,"NuScenes 数据集中的高层动作指令（如“停止”、“右转”）是如何提取和映射的？","位移与命令的映射关系如下：\"turn right\"（右转）对应 `0`，\"turn left\"（左转）对应 `1`，\"stop\"（停止）对应 `2`，\"go straight\"（直行）对应 `3`。该模型主要使用 RGB 帧加上这些动作指令作为条件，而不是其他工作中常用的边界框或鸟瞰图车道线等信息。","https:\u002F\u002Fgithub.com\u002FOpenDriveLab\u002FVista\u002Fissues\u002F3",{"id":112,"question_zh":113,"answer_zh":114,"source_url":115},11074,"数据处理中提到的'Angle'和'Speed'具体指什么？如何进行归一化处理？","\"Angle\"和\"Speed\"分别对应 CAN 总线车辆监控数据中的\"steering\"（转向角）和\"vehicle_speed\"（车速），而非姿态中的偏航角或速度。归一化是在输入模型之前进行的：由于 CAN 总线中转向角的范围是 [-780, 779.9]，因此将其除以 780，以确保结果值在 [-1, 1] 范围内。","https:\u002F\u002Fgithub.com\u002FOpenDriveLab\u002FVista\u002Fissues\u002F25",{"id":117,"question_zh":118,"answer_zh":119,"source_url":120},11075,"如何在 NuScenes mini 数据集上进行测试或训练？需要修改标注文件吗？","Mini 数据集中的样本包含在完整数据集中，且已提供相应的标注。你无需重新生成标注文件，只需遍历提供的 JSON 文件并过滤出对应的文件名即可检索到这些帧。只要文件名映射正确，直接使用提供的标注文件即可适配 mini 数据集进行训练或测试。","https:\u002F\u002Fgithub.com\u002FOpenDriveLab\u002FVista\u002Fissues\u002F10",{"id":122,"question_zh":123,"answer_zh":124,"source_url":125},11076,"采样配置中的 n_frames 和 n_conds 参数是什么意思？如何设置以提高生成视频的质量？","n_conds 表示使用前几帧作为条件来生成后续帧（例如 n_conds=3 表示使用前 3 帧作为条件生成后续帧）。为了提高生成质量，主要因素是使用的帧数：如果显存足够，不建议将 n_frames 设置为小于 25。较低的帧数可能导致生成的视频不够自然。","https:\u002F\u002Fgithub.com\u002FOpenDriveLab\u002FVista\u002Fissues\u002F5",{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},11077,"加载 FrozenCLIPEmbedder 或 FrozenOpenCLIPImageEmbedder 时出现 Missing key 错误如何解决？","该错误通常是因为下载了错误的权重文件。对于 FrozenOpenCLIPImageEmbedder，必须使用名为 `open_clip_pytorch_model.bin` 的文件，而不是普通的 `pytorch_model.bin`。请前往 HuggingFace 下载正确的 `open_clip_pytorch_model.bin` 文件替换原有路径，即可解决状态字典加载缺失键的问题。","https:\u002F\u002Fgithub.com\u002FOpenDriveLab\u002FVista\u002Fissues\u002F29",{"id":132,"question_zh":133,"answer_zh":134,"source_url":115},11078,"为什么四种控制方法不能共存，必须四选一？","虽然所有控制方法最终都会转换为向量进行嵌入，但在当前的实现架构中，模型设计为在特定时刻只接受一种主要的控制信号作为条件输入。这是为了保持条件输入的清晰性和模型训练的稳定性，避免多种控制信号之间的冲突或干扰。具体实现需参考代码中的条件嵌入逻辑。",[]]