[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-SimonKohl--probabilistic_unet":3,"tool-SimonKohl--probabilistic_unet":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},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,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},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",150037,2,"2026-04-10T23:33:47",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},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。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":78,"owner_email":76,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":91,"forks":92,"last_commit_at":93,"license":94,"difficulty_score":95,"env_os":96,"env_gpu":97,"env_ram":98,"env_deps":99,"category_tags":109,"github_topics":110,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":120,"updated_at":121,"faqs":122,"releases":138},6485,"SimonKohl\u002Fprobabilistic_unet","probabilistic_unet","A U-Net combined with a variational auto-encoder that is able to learn conditional distributions over semantic segmentations.","probabilistic_unet 是一款专为图像语义分割设计的开源深度学习模型。它巧妙地将经典的 U-Net 架构与变分自编码器（VAE）相结合，旨在解决传统分割模型在面对模糊或存在歧义的图像时，往往只能输出单一确定结果，而无法反映现实世界中多种合理标注可能性的痛点。\n\n该工具的核心优势在于能够学习并生成“条件概率分布”。这意味着对于同一张输入图像，probabilistic_unet 可以采样出多个不同但均合理的分割掩码，从而量化预测的不确定性。这一特性使其在医学影像分析（如肿瘤边界模糊）、自动驾驶场景理解等对安全性要求极高且数据标注常具主观性的领域极具价值。\n\nprobabilistic_unet 主要面向人工智能研究人员、算法工程师及计算机视觉开发者。项目不仅复现了 NeurIPS 2018 的亮点论文成果，还提供了完整的训练、评估流程及预训练权重，支持用户在 Cityscapes 等数据集上快速验证效果。其技术亮点包括采用层次化概率建模以及针对单 GPU 训练进行的内存优化策略。如果你正在探索如何让 AI 模型更诚实地表达“不确定感”，或需要处理标注不一致的复杂分割任务，p","probabilistic_unet 是一款专为图像语义分割设计的开源深度学习模型。它巧妙地将经典的 U-Net 架构与变分自编码器（VAE）相结合，旨在解决传统分割模型在面对模糊或存在歧义的图像时，往往只能输出单一确定结果，而无法反映现实世界中多种合理标注可能性的痛点。\n\n该工具的核心优势在于能够学习并生成“条件概率分布”。这意味着对于同一张输入图像，probabilistic_unet 可以采样出多个不同但均合理的分割掩码，从而量化预测的不确定性。这一特性使其在医学影像分析（如肿瘤边界模糊）、自动驾驶场景理解等对安全性要求极高且数据标注常具主观性的领域极具价值。\n\nprobabilistic_unet 主要面向人工智能研究人员、算法工程师及计算机视觉开发者。项目不仅复现了 NeurIPS 2018 的亮点论文成果，还提供了完整的训练、评估流程及预训练权重，支持用户在 Cityscapes 等数据集上快速验证效果。其技术亮点包括采用层次化概率建模以及针对单 GPU 训练进行的内存优化策略。如果你正在探索如何让 AI 模型更诚实地表达“不确定感”，或需要处理标注不一致的复杂分割任务，probabilistic_unet 将是一个值得深入研究的强大基线工具。","# Probabilistic U-Net\n\n```diff\n+ **Update**\n+ An improved Model (the Hierarchical Probabilistic U-Net) + LIDC crops is now available. See below.\n```\n\nRe-implementation of the model described in `A Probabilistic U-Net for Segmentation of Ambiguous Images' ([paper @ NeurIPS 2018](https:\u002F\u002Farxiv.org\u002Fabs\u002F1806.05034)).\n\nThis was also a spotlight presentation at NeurIPS and a short video on the paper of similar content can be found [here](https:\u002F\u002Fyoutu.be\u002F-cfFxQWfFrA) (4min).\n\nThe architecture of the Probabilistic U-Net is depicted below: subfigure a) shows sampling and b) the training setup: \n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSimonKohl_probabilistic_unet_readme_b97d675e9ece.png)\n\nBelow see samples conditioned on held-out validation set images from the (stochastic) CityScapes data set:\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSimonKohl_probabilistic_unet_readme_a2773000db7d.gif)\n\n## Setup package in virtual environment\n\n```\ngit clone https:\u002F\u002Fgithub.com\u002FSimonKohl\u002Fprobabilistic_unet.git .\ncd prob_unet\u002F\nvirtualenv -p python3 venv\nsource venv\u002Fbin\u002Factivate\npip3 install -e .\n```\n\n## Install batch-generators for data augmentation\n```\ncd ..\ngit clone https:\u002F\u002Fgithub.com\u002FMIC-DKFZ\u002Fbatchgenerators\ncd batchgenerators\npip3 install nilearn scikit-image nibabel\npip3 install -e .\ncd prob_unet\n```\n\n## Download & preprocess the Cityscapes dataset\n\n1) Create a login account on the Cityscapes website: https:\u002F\u002Fwww.cityscapes-dataset.com\u002F\n2) Once you've logged in, download the train, val and test annotations and images:\n    - Annotations: [gtFine_trainvaltest.zip](https:\u002F\u002Fwww.cityscapes-dataset.com\u002Ffile-handling\u002F?packageID=1) (241MB)\n    - Images: [leftImg8bit_trainvaltest.zip](https:\u002F\u002Fwww.cityscapes-dataset.com\u002Ffile-handling\u002F?packageID=3) (11GB)\n3) unzip the data (unzip \u003Cname>_trainvaltest.zip) and adjust `raw_data_dir` (full path to unzipped files) and `out_dir` (full path to desired output directory) in `preprocessing_config.py`\n4) bilinearly rescale the data to a resolution of 256 x 512 and save as numpy arrays by running\n```\ncd cityscapes\npython3 preprocessing.py\ncd ..\n```\n\n## Training\n\n[skip to evaluation in case you only want to use the pretrained model.]  \nmodify `data_dir` and `exp_dir` in `scripts\u002Fprob_unet_config.py` then:\n```\ncd training\npython3 train_prob_unet.py --config prob_unet_config.py\n```\n\n## Evaluation\n\nLoad your own trained model or use a pretrained model. A set of pretrained weights can be downloaded from [zenodo.org](https:\u002F\u002Fzenodo.org\u002Frecord\u002F1419051#.W5utoOEzYUE) (187MB). After down-loading, unpack the file via\n`tar -xvzf pretrained_weights.tar.gz`, e.g. in `\u002Fmodel`. In either case (using your own or the pretrained model), modify the `data_dir` and\n`exp_dir` in `evaluation\u002Fcityscapes_eval_config.py` to match you paths.\n\nthen first write samples (defaults to 16 segmentation samples for each of the 500 validation images):\n```\ncd ..\u002Fevaluation\npython3 eval_cityscapes.py --write_samples\n```\nfollowed by their evaluation (which is multi-threaded and thus reasonably fast):\n```\npython3 eval_cityscapes.py --eval_samples\n```\nThe evaluation produces a dictionary holding the results. These can be visualized by launching an ipython notbook:\n```\njupyter notebook evaluation_plots.ipynb\n```\nThe following results are obtained from the pretrained model using above notebook:\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSimonKohl_probabilistic_unet_readme_b0e9af159308.png) \n\n## Tests\n\nThe evaluation metrics are under test-coverage. Run the tests as follows:\n```\ncd ..\u002Ftests\u002Fevaluation\npython3 -m pytest eval_tests.py\n```\n\n## Deviations from original work\n\nThe code found in this repository was not used in the original paper and slight modifications apply:\n\n- training on a single gpu (Titan Xp) instead of distributed training, which is not supported in this implementation\n- average-pooling rather than bilinear interpolation is used for down-sampling operations in the model\n- the number of conv kernels is kept constant after the 3rd scale as opposed to strictly doubling it after each scale (for reduction of memory footprint)\n- HeNormal weight initialization worked better than a orthogonal weight initialization\n\n\n## How to cite this code\nPlease cite the original publication:\n```\n@article{kohl2018probabilistic,\n  title={A Probabilistic U-Net for Segmentation of Ambiguous Images},\n  author={Kohl, Simon AA and Romera-Paredes, Bernardino and Meyer, Clemens and De Fauw, Jeffrey and Ledsam, Joseph R and Maier-Hein, Klaus H and Eslami, SM and Rezende, Danilo Jimenez and Ronneberger, Olaf},\n  journal={arXiv preprint arXiv:1806.05034},\n  year={2018}\n}\n```\n\n## License\nThe code is published under the [Apache License Version 2.0](LICENSE).\n\n## Update: The Hierarchical Probabilistic U-Net + LIDC crops\n\nWe published an improved model, the Hierarchical Probabilistic U-Net at the Medical Imaging meets Neurips Workshop 2019.\n\nThe **paper** is available from arXiv under [A Hierarchical Probabilistic U-Net for Modeling Multi-Scale Ambiguities, May 2019](https:\u002F\u002Farxiv.org\u002Fabs\u002F1905.13077).\n\nThe **model code** is freely available from DeepMind's github repo, see here: [code link](https:\u002F\u002Fgithub.com\u002Fdeepmind\u002Fdeepmind-research\u002Ftree\u002Fmaster\u002Fhierarchical_probabilistic_unet).\n\nThe **LIDC data** can be downloaded as pngs, cropped to size 180 x 180 from Google Cloud Storage, see here: [data link](https:\u002F\u002Fpantheon.corp.google.com\u002Fstorage\u002Fbrowser\u002Fhpunet-data\u002Flidc_crops).\n\nA **pretrained model** can be readily applied to the data using the following Google Colab: [![Open In Colab](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fdeepmind\u002Fdeepmind-research\u002Fblob\u002Fmaster\u002Fhierarchical_probabilistic_unet\u002FHPU_Net.ipynb).\n","# 概率 U-Net\n\n```diff\n+ **更新**\n+ 现已提供改进后的模型（层次概率 U-Net）及 LIDC 裁剪数据集。详情见下文。\n```\n\n重新实现论文《用于模糊图像分割的概率 U-Net》中描述的模型（[NeurIPS 2018 论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F1806.05034)）。\n\n该模型也在 NeurIPS 上进行了亮点展示，一篇内容相似的简短视频可在此处观看：[这里](https:\u002F\u002Fyoutu.be\u002F-cfFxQWfFrA)（4 分钟）。\n\n概率 U-Net 的架构如下所示：子图 a) 展示采样过程，b) 展示训练设置：\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSimonKohl_probabilistic_unet_readme_b97d675e9ece.png)\n\n以下是基于 CityScapes 数据集中保留的验证集图像生成的样本：\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSimonKohl_probabilistic_unet_readme_a2773000db7d.gif)\n\n## 在虚拟环境中设置软件包\n\n```\ngit clone https:\u002F\u002Fgithub.com\u002FSimonKohl\u002Fprobabilistic_unet.git .\ncd prob_unet\u002F\nvirtualenv -p python3 venv\nsource venv\u002Fbin\u002Factivate\npip3 install -e .\n```\n\n## 安装用于数据增强的批处理生成器\n```\ncd ..\ngit clone https:\u002F\u002Fgithub.com\u002FMIC-DKFZ\u002Fbatchgenerators\ncd batchgenerators\npip3 install nilearn scikit-image nibabel\npip3 install -e .\ncd prob_unet\n```\n\n## 下载并预处理 CityScapes 数据集\n\n1) 在 CityScapes 官网注册账号：https:\u002F\u002Fwww.cityscapes-dataset.com\u002F\n2) 登录后，下载训练、验证和测试的标注文件及图像：\n    - 标注文件：[gtFine_trainvaltest.zip](https:\u002F\u002Fwww.cityscapes-dataset.com\u002Ffile-handling\u002F?packageID=1)（241MB）\n    - 图像：[leftImg8bit_trainvaltest.zip](https:\u002F\u002Fwww.cityscapes-dataset.com\u002Ffile-handling\u002F?packageID=3)（11GB）\n3) 解压数据（解压 \u003Cname>_trainvaltest.zip），并在 `preprocessing_config.py` 中调整 `raw_data_dir`（解压后文件的完整路径）和 `out_dir`（期望输出目录的完整路径）。\n4) 使用双线性插值将数据缩放到 256 x 512 分辨率，并以 NumPy 数组格式保存，运行以下命令：\n```\ncd cityscapes\npython3 preprocessing.py\ncd ..\n```\n\n## 训练\n\n[如果您只想使用预训练模型，请跳至评估部分。]  \n修改 `scripts\u002Fprob_unet_config.py` 中的 `data_dir` 和 `exp_dir`，然后执行：\n```\ncd training\npython3 train_prob_unet.py --config prob_unet_config.py\n```\n\n## 规格说明\n\n加载您自己训练好的模型或使用预训练模型。一组预训练权重可从 [zenodo.org](https:\u002F\u002Fzenodo.org\u002Frecord\u002F1419051#.W5utoOEzYUE) 下载（187MB）。下载后，通过以下命令解压文件：\n`tar -xvzf pretrained_weights.tar.gz`，例如解压到 `\u002Fmodel` 目录。无论使用您自己的模型还是预训练模型，都需在 `evaluation\u002Fcityscapes_eval_config.py` 中修改 `data_dir` 和 `exp_dir`，使其与您的路径一致。\n\n首先生成样本（默认为 500 张验证图像中的每张生成 16 个分割样本）：\n```\ncd ..\u002Fevaluation\npython3 eval_cityscapes.py --write_samples\n```\n随后进行评估（多线程进行，因此速度较快）：\n```\npython3 eval_cityscapes.py --eval_samples\n```\n评估会生成一个包含结果的字典。可通过启动 IPython 笔记本进行可视化：\n```\njupyter notebook evaluation_plots.ipynb\n```\n使用上述笔记本对预训练模型进行评估后得到的结果如下：\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSimonKohl_probabilistic_unet_readme_b0e9af159308.png)\n\n## 测试\n\n评估指标已纳入测试覆盖范围。运行测试如下：\n```\ncd ..\u002Ftests\u002Fevaluation\npython3 -m pytest eval_tests.py\n```\n\n## 与原始工作的差异\n\n本仓库中的代码并未用于原始论文，且存在一些细微改动：\n\n- 在单块 GPU（Titan Xp）上进行训练，而非分布式训练；当前实现不支持分布式训练。\n- 模型中的下采样操作采用平均池化而非双线性插值。\n- 卷积核数量在第三尺度后保持不变，而非严格地每经过一个尺度就翻倍（以减少内存占用）。\n- HeNormal 权重初始化的效果优于正交权重初始化。\n\n## 如何引用此代码\n请引用原始出版物：\n```\n@article{kohl2018probabilistic,\n  title={A Probabilistic U-Net for Segmentation of Ambiguous Images},\n  author={Kohl, Simon AA and Romera-Paredes, Bernardino and Meyer, Clemens and De Fauw, Jeffrey and Ledsam, Joseph R and Maier-Hein, Klaus H and Eslami, SM and Rezende, Danilo Jimenez and Ronneberger, Olaf},\n  journal={arXiv preprint arXiv:1806.05034},\n  year={2018}\n}\n```\n\n## 许可证\n代码根据 [Apache License Version 2.0](LICENSE) 发布。\n\n## 更新：层次概率 U-Net + LIDC 裁剪数据集\n\n我们在 2019 年的 Medical Imaging meets Neurips 研讨会上发表了一种改进后的模型——层次概率 U-Net。\n\n**论文**可在 arXiv 上获取：[《用于建模多尺度模糊性的层次概率 U-Net》，2019 年 5 月](https:\u002F\u002Farxiv.org\u002Fabs\u002F1905.13077)。\n\n**模型代码**可从 DeepMind 的 GitHub 仓库免费获取，链接如下：[代码链接](https:\u002F\u002Fgithub.com\u002Fdeepmind\u002Fdeepmind-research\u002Ftree\u002Fmaster\u002Fhierarchical_probabilistic_unet)。\n\n**LIDC 数据**可从 Google Cloud Storage 下载为尺寸为 180 x 180 的 PNG 文件，链接如下：[数据链接](https:\u002F\u002Fpantheon.corp.google.com\u002Fstorage\u002Fbrowser\u002Fhpunet-data\u002Flidc_crops)。\n\n**预训练模型**可直接应用于该数据集，只需使用以下 Google Colab：[![在 Colab 中打开](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fdeepmind\u002Fdeepmind-research\u002Fblob\u002Fmaster\u002Fhierarchical_probabilistic_unet\u002FHPU_Net.ipynb)。","# Probabilistic U-Net 快速上手指南\n\nProbabilistic U-Net 是 NeurIPS 2018 亮点论文《A Probabilistic U-Net for Segmentation of Ambiguous Images》的复现实现。该模型专为处理具有模糊性或多义性的图像分割任务设计，能够生成多种合理的分割结果。\n\n## 环境准备\n\n*   **操作系统**: Linux (推荐) 或 macOS\n*   **Python 版本**: Python 3.x\n*   **硬件要求**: 支持 CUDA 的 NVIDIA GPU（原论文使用 Titan Xp 单卡训练）\n*   **前置依赖**:\n    *   `virtualenv` (用于创建虚拟环境)\n    *   `git`\n    *   `pip3`\n\n## 安装步骤\n\n### 1. 克隆代码并配置虚拟环境\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FSimonKohl\u002Fprobabilistic_unet.git .\ncd prob_unet\u002F\nvirtualenv -p python3 venv\nsource venv\u002Fbin\u002Factivate\npip3 install -e .\n```\n\n### 2. 安装数据增强工具 (batch-generators)\n\n该项目依赖 MIC-DKFZ 的 batch-generators 库进行数据增强。\n\n```bash\ncd ..\ngit clone https:\u002F\u002Fgithub.com\u002FMIC-DKFZ\u002Fbatchgenerators\ncd batchgenerators\n# 安装必要的图像处理依赖\npip3 install nilearn scikit-image nibabel\npip3 install -e .\ncd prob_unet\n```\n\n> **提示**: 国内用户若遇到 `pip` 下载缓慢，可添加 `-i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple` 参数加速安装。\n\n### 3. 数据准备 (以 Cityscapes 数据集为例)\n\n1.  访问 [Cityscapes 官网](https:\u002F\u002Fwww.cityscapes-dataset.com\u002F) 注册账号。\n2.  下载以下两个数据包：\n    *   标注文件: `gtFine_trainvaltest.zip` (241MB)\n    *   图像文件: `leftImg8bit_trainvaltest.zip` (11GB)\n3.  解压文件，并修改 `preprocessing_config.py` 中的路径配置：\n    *   `raw_data_dir`: 指向解压后的文件根目录\n    *   `out_dir`: 指向期望的输出目录\n4.  执行预处理脚本（将数据双线性缩放至 256x512 并保存为 numpy 数组）：\n\n```bash\ncd cityscapes\npython3 preprocessing.py\ncd ..\n```\n\n## 基本使用\n\n### 场景一：训练模型\n\n如果您希望从头训练模型，请修改配置文件 `scripts\u002Fprob_unet_config.py` 中的 `data_dir` (数据目录) 和 `exp_dir` (实验输出目录)，然后运行：\n\n```bash\ncd training\npython3 train_prob_unet.py --config prob_unet_config.py\n```\n\n### 场景二：使用预训练模型进行评估\n\n如果您只想快速体验或评估效果，可以使用官方提供的预训练权重。\n\n1.  **下载权重**: 从 [Zenodo](https:\u002F\u002Fzenodo.org\u002Frecord\u002F1419051#.W5utoOEzYUE) 下载 `pretrained_weights.tar.gz` (187MB)。\n2.  **解压权重**:\n    ```bash\n    tar -xvzf pretrained_weights.tar.gz\n    # 建议解压到 \u002Fmodel 目录\n    ```\n3.  **配置路径**: 修改 `evaluation\u002Fcityscapes_eval_config.py` 中的 `data_dir` 和 `exp_dir` 以匹配您的实际路径。\n4.  **生成分割样本** (默认为 500 张验证图各生成 16 个分割样本):\n    ```bash\n    cd evaluation\n    python3 eval_cityscapes.py --write_samples\n    ```\n5.  **执行评估** (多线程运行，速度较快):\n    ```bash\n    python3 eval_cityscapes.py --eval_samples\n    ```\n6.  **可视化结果**:\n    评估结果将保存在字典中，可通过 Jupyter Notebook 查看可视化图表：\n    ```bash\n    jupyter notebook evaluation_plots.ipynb\n    ```\n\n---\n*注：本项目代码基于 Apache License Version 2.0 开源。如需引用，请参考原论文 Kohl et al., arXiv:1806.05034 (2018)。*","某自动驾驶感知团队正在利用 Cityscapes 数据集训练模型，以识别复杂城市道路中的车道线和障碍物，但面临极端天气下图像语义模糊的挑战。\n\n### 没有 probabilistic_unet 时\n- 面对雾气遮挡或光照不足导致的模糊图像，传统确定性 U-Net 只能输出单一的分割结果，无法反映真实世界的不确定性。\n- 模型倾向于对模糊边界进行“猜测式”填充，导致将不存在的障碍物误判为实体，或漏检关键的车道边缘，增加规划风险。\n- 开发人员难以量化模型对特定区域的置信度，只能依赖后处理规则强行修正，缺乏理论依据且泛化能力差。\n- 在数据标注存在歧义（如不同标注员对模糊区域画法不同）时，模型被迫学习平均化的错误掩码，丢失了多种可能的真实形态。\n\n### 使用 probabilistic_unet 后\n- 结合变分自编码器（VAE），probabilistic_unet 能针对同一张模糊输入生成多种合理的分割样本，完整呈现语义分布的可能性。\n- 系统可通过多次采样分析边界波动范围，自动识别高不确定性区域并提示下游决策模块采取保守策略，显著降低误刹率。\n- 模型天然适应标注歧义，能够学习到“多模态”分布，即在模糊区域同时保留多种专家标注的可能性，而非强行收敛于单一平均值。\n- 研发团队可利用生成的分割分布图直观评估场景难度，针对性地收集长尾数据，大幅优化数据闭环效率。\n\nprobabilistic_unet 的核心价值在于将语义分割从“给出一个答案”升级为“提供所有可能性的概率分布”，让 AI 在模糊世界中学会承认未知。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSimonKohl_probabilistic_unet_b0e9af15.png","SimonKohl","Simon Kohl","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FSimonKohl_be3720c2.jpg",null,"Latent Labs","London","saakohl","simonkohl.com","https:\u002F\u002Fgithub.com\u002FSimonKohl",[83,87],{"name":84,"color":85,"percentage":86},"Jupyter Notebook","#DA5B0B",85.2,{"name":88,"color":89,"percentage":90},"Python","#3572A5",14.8,563,100,"2026-02-14T22:45:16","Apache-2.0",4,"Linux","需要 NVIDIA GPU（原文提及在单张 Titan Xp 上训练），具体显存和 CUDA 版本未说明","未说明（原文提及为减少内存占用修改了架构，但未给出具体数值）",{"notes":100,"python":101,"dependencies":102},"1. 该实现不支持分布式训练，仅在单 GPU 环境下测试。2. 需手动下载 Cityscapes 数据集（约 11GB）并运行脚本进行预处理。3. 评估过程支持多线程加速。4. 提供了预训练权重（约 187MB）可供直接评估使用。5. 项目依赖外部库 'batchgenerators' 用于数据增强，需单独克隆安装。","3.x (通过 virtualenv -p python3 推断)",[103,104,105,106,107,108],"nilearn","scikit-image","nibabel","batchgenerators","pytest","jupyter",[15,14],[111,112,113,114,115,116,117,118,119],"u-net","variational-inference","semantic-segmentation","generative-models","variational-autoencoders","neurips","neurips-2018","nips","nips-2018","2026-03-27T02:49:30.150509","2026-04-11T10:02:44.642017",[123,128,133],{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},29347,"为什么在训练时从后验网络（Posterior Net）采样潜在空间，而不是像测试过程那样从先验网络（Prior Net）采样？","在训练期间，模型处于重建模式，即尝试从后验分布的样本中忠实地重建目标图像（此处为分割图）。在 VAE 中，这对于学习潜在空间的语义结构是必要的。而在测试时，则是从先验分布采样：对于条件 VAE，这是对该潜在空间的预测分布；对于无条件 VAE，通常只是潜在空间上的正态分布。建议进一步阅读原始论文或相关教程（如 arXiv:1606.05908）以获取更多细节。","https:\u002F\u002Fgithub.com\u002FSimonKohl\u002Fprobabilistic_unet\u002Fissues\u002F1",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},29348,"训练时遇到 'MirrorTransform now takes the axes as the spatial dimensions' 错误怎么办？","该错误是由于 batchgenerators 库更新导致的参数变化。旧版本中镜像变换的轴参数针对的是包含批次和通道维度的完整张量（例如 5D 张量 (b, c, x, y, z) 使用 axes=(2, 3, 4)），而新版本要求 axes 仅指定空间维度。您需要修改代码，将 axes 参数调整为仅包含空间索引。例如，原本针对 5D 张量的 axes=(2, 3, 4) 应改为 axes=(0, 1, 2)。请根据您的数据维度相应调整脚本中的 MirrorTransform 初始化参数。","https:\u002F\u002Fgithub.com\u002FSimonKohl\u002Fprobabilistic_unet\u002Fissues\u002F20",{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},29349,"加载预训练权重时出现 'module has no attribute __file__' 错误如何解决？","此错误通常发生在尝试通过 `pretrained_weights.__file__` 获取模块文件路径时，但导入的对象并非标准的文件模块（可能是命名空间包或导入方式不当）。检查您的 `cityscapes_eval_config.py` 第 91 行附近的代码，确保正确导入了包含预训练权重文件的实际模块，或者直接使用 `os.path.dirname(os.path.abspath(__file__))` 结合相对路径来定位权重文件目录，避免依赖可能不存在的 `__file__` 属性。","https:\u002F\u002Fgithub.com\u002FSimonKohl\u002Fprobabilistic_unet\u002Fissues\u002F19",[]]