[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-anuragranj--cc":3,"tool-anuragranj--cc":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",160784,2,"2026-04-19T11:32:54",[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。",109154,"2026-04-18T11:18:24",[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":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":75,"owner_email":77,"owner_twitter":72,"owner_website":78,"owner_url":79,"languages":80,"stars":85,"forks":86,"last_commit_at":87,"license":88,"difficulty_score":89,"env_os":90,"env_gpu":91,"env_ram":90,"env_deps":92,"category_tags":99,"github_topics":101,"view_count":32,"oss_zip_url":75,"oss_zip_packed_at":75,"status":17,"created_at":110,"updated_at":111,"faqs":112,"releases":141},9619,"anuragranj\u002Fcc","cc","Competitive Collaboration: Joint Unsupervised Learning of Depth, Camera Motion, Optical Flow and Motion Segmentation","cc（Competitive Collaboration）是一款专注于计算机视觉领域的开源深度学习框架，旨在通过无监督学习的方式，联合估算场景深度、相机运动、光流以及运动分割。它主要解决了传统方法依赖昂贵且难以获取的真实标注数据（Ground Truth）的痛点，让模型能够直接从未标注的视频序列中自动学习复杂的视觉规律。\n\n该工具特别适合人工智能研究人员、计算机视觉开发者以及相关领域的学生使用。对于希望探索自监督学习机制或需要在 KITTI、Cityscapes 等数据集上进行多任务联合训练的专业人士来说，cc 提供了坚实的代码基础和研究参考。\n\n其核心技术亮点在于创新的“竞争性协作”机制（早期称为对抗性协作）。不同于简单的多任务并行训练，cc 让深度估计、姿态估算等不同子网络在训练中既相互竞争又彼此协作：一方面通过一致性约束共享知识，另一方面利用相互间的预测差异作为监督信号来优化各自的表现。这种设计显著提升了模型在动态场景下的理解能力与鲁棒性。项目基于 PyTorch 构建，支持灵活的实验配置与可视化监控，是研究无监督视觉感知的重要工具。","# Competitive Collaboration\nThis is an official repository of\n**Competitive Collaboration: Joint Unsupervised Learning of Depth, Camera Motion, Optical Flow and Motion Segmentation**. The project was formerly referred by **Adversarial Collaboration**. \n\n### News\n- **16 August '19:** `skimage` dependencies are removed in favour of `PIL`, and are supported in the [`pil` branch](https:\u002F\u002Fgithub.com\u002Fanuragranj\u002Fcc\u002Ftree\u002Fpil). If you discover bugs, please file an issue, or send a pull request. This will eventually be merged with `master` if users are satisfied.\n- **11 March '19:** We recently ported the entire code to `pytorch-1.0`, so if you discover bugs, please file an issue.\n\n[[Project Page]](http:\u002F\u002Fresearch.nvidia.com\u002Fpublication\u002F2018-05_Adversarial-Collaboration-Joint)\n[[Arxiv]](https:\u002F\u002Farxiv.org\u002Fabs\u002F1805.09806)\n\n**Skip to:**\n- [Joint Unsupervised Learning of Depth, Camera Motion, Optical Flow and Motion Segmentation](#jointcc)\n- [Mixed Domain Learning using MNIST+SVHN](#mnist)\n- [Download Pretrained Models and Evaluation Data](#downloads)\n\n### Prerequisites\nPython3 and pytorch are required. Third party libraries can be installed (in a `python3 ` virtualenv) using:\n\n```bash\npip3 install -r requirements.txt\n```\n\u003Ca name=\"jointcc\">\u003C\u002Fa>\n## Joint Unsupervised Learning of Depth, Camera Motion, Optical Flow and Motion Segmentation\n\n### Preparing training data\n\n#### KITTI\nFor [KITTI](http:\u002F\u002Fwww.cvlibs.net\u002Fdatasets\u002Fkitti\u002Fraw_data.php), first download the dataset using this [script](http:\u002F\u002Fwww.cvlibs.net\u002Fdownload.php?file=raw_data_downloader.zip) provided on the official website, and then run the following command.\n\n```bash\npython3 data\u002Fprepare_train_data.py \u002Fpath\u002Fto\u002Fraw\u002Fkitti\u002Fdataset\u002F --dataset-format 'kitti' --dump-root \u002Fpath\u002Fto\u002Fresulting\u002Fformatted\u002Fdata\u002F --width 832 --height 256 --num-threads 1 --static-frames data\u002Fstatic_frames.txt --with-gt\n```\n\nFor testing optical flow ground truths on KITTI, download [KITTI2015](http:\u002F\u002Fwww.cvlibs.net\u002Fdatasets\u002Fkitti\u002Feval_scene_flow.php?benchmark=flow) dataset. You need to download 1) `stereo 2015\u002Fflow 2015\u002Fscene flow 2015` data set (2 GB), 2) `multi-view extension` (14 GB), and 3) `calibration files` (1 MB) . In addition, download semantic labels from [here](https:\u002F\u002Fkeeper.mpdl.mpg.de\u002Ff\u002F239c2dda94e54c449401\u002F?dl=1). You should have the following directory structure:\n```\nkitti2015\n  | data_scene_flow  \n  | data_scene_flow_calib\n  | data_scene_flow_multiview  \n  | semantic_labels\n```\n\n#### Cityscapes\n\nFor [Cityscapes](https:\u002F\u002Fwww.cityscapes-dataset.com\u002F), download the following packages: 1) `leftImg8bit_sequence_trainvaltest.zip`, 2) `camera_trainvaltest.zip`. You will probably need to contact the administrators to be able to get it.\n\n```bash\npython3 data\u002Fprepare_train_data.py \u002Fpath\u002Fto\u002Fcityscapes\u002Fdataset\u002F --dataset-format 'cityscapes' --dump-root \u002Fpath\u002Fto\u002Fresulting\u002Fformatted\u002Fdata\u002F --width 832 --height 342 --num-threads 1\n```\n\nNotice that for Cityscapes the `img_height` is set to 342 because we crop out the bottom part of the image that contains the car logo, and the resulting image will have height 256.\n\n### Training an experiment\n\nOnce the data are formatted following the above instructions, you should be able to run a training experiment. Every experiment you run gets logged in `experiment_recorder.md`.\n\n```bash\npython3 train.py \u002Fpath\u002Fto\u002Fformatted\u002Fdata --dispnet DispResNet6 --posenet PoseNetB6 \\\n  --masknet MaskNet6 --flownet Back2Future --pretrained-disp \u002Fpath\u002Fto\u002Fpretrained\u002Fdispnet \\\n  --pretrained-pose \u002Fpath\u002Fto\u002Fpretrained\u002Fposenet --pretrained-flow \u002Fpath\u002Fto\u002Fpretrained\u002Fflownet \\\n  --pretrained-mask \u002Fpath\u002Fto\u002Fpretrained\u002Fmasknet -b4 -m0.1 -pf 0.5 -pc 1.0 -s0.1 -c0.3 \\\n  --epoch-size 1000 --log-output -f 0 --nlevels 6 --lr 1e-4 -wssim 0.997 --with-flow-gt \\\n  --with-depth-gt --epochs 100 --smoothness-type edgeaware  --fix-masknet --fix-flownet \\\n  --log-terminal --name EXPERIMENT_NAME\n```\n\n\nYou can then start a `tensorboard` session in this folder by\n```bash\ntensorboard --logdir=checkpoints\u002F\n```\nand visualize the training progress by opening [https:\u002F\u002Flocalhost:6006](https:\u002F\u002Flocalhost:6006) on your browser.\n\n### Evaluation\n\nDisparity evaluation\n```bash\npython3 test_disp.py --dispnet DispResNet6 --pretrained-dispnet \u002Fpath\u002Fto\u002Fdispnet --pretrained-posent \u002Fpath\u002Fto\u002Fposenet --dataset-dir \u002Fpath\u002Fto\u002FKITTI_raw --dataset-list \u002Fpath\u002Fto\u002Ftest_files_list\n```\n\nTest file list is available in kitti eval folder. To get fair comparison with [Original paper evaluation code](https:\u002F\u002Fgithub.com\u002Ftinghuiz\u002FSfMLearner\u002Fblob\u002Fmaster\u002Fkitti_eval\u002Feval_depth.py), don't specify a posenet. However, if you do,  it will be used to solve the scale factor ambiguity, the only ground truth used to get it will be vehicle speed which is far more acceptable for real conditions quality measurement, but you will obviously get worse results.\n\nFor pose evaluation, you need to download [KITTI Odometry](http:\u002F\u002Fwww.cvlibs.net\u002Fdatasets\u002Fkitti\u002Feval_odometry.php) dataset.\n```bash\npython test_pose.py pretrained\u002Fpose_model_best.pth.tar --img-width 832 --img-height 256 --dataset-dir \u002Fpath\u002Fto\u002Fkitti\u002Fodometry\u002F --sequences 09 --posenet PoseNetB6\n```\n\nOptical Flow evaluation\n```bash\npython test_flow.py --pretrained-disp \u002Fpath\u002Fto\u002Fdispnet --pretrained-pose \u002Fpath\u002Fto\u002Fposenet --pretrained-mask \u002Fpath\u002Fto\u002Fmasknet --pretrained-flow \u002Fpath\u002Fto\u002Fflownet --kitti-dir \u002Fpath\u002Fto\u002Fkitti2015\u002Fdataset\n```\n\nMask evaluation\n```bash\npython test_mask.py --pretrained-disp \u002Fpath\u002Fto\u002Fdispnet --pretrained-pose \u002Fpath\u002Fto\u002Fposenet --pretrained-mask \u002Fpath\u002Fto\u002Fmasknet --pretrained-flow \u002Fpath\u002Fto\u002Fflownet --kitti-dir \u002Fpath\u002Fto\u002Fkitti2015\u002Fdataset\n```\n\n\u003Ca name=\"mnist\">\u003C\u002Fa>\n## Mixed Domain Learning using MNIST+SVHN\n\n#### Training\nFor learning classification using Competitive Collaboration with two agents, Alice and Bob, run,\n```bash\npython3 mnist.py path\u002Fto\u002Fdownload\u002Fmnist\u002Fsvhn\u002Fdatasets\u002F --name EXP_NAME --log-output --log-terminal --epoch-size 1000 --epochs 400 --wr 1000\n```\n\n#### Evaluation\nTo evaluate the performance of Alice, Bob and Moderator trained using CC, run,\n```bash\npython3 mnist_eval.py path\u002Fto\u002Fmnist\u002Fsvhn\u002Fdatasets --pretrained-alice pretrained\u002Fmnist_svhn\u002Falice.pth.tar --pretrained-bob pretrained\u002Fmnist_svhn\u002Fbob.pth.tar --pretrained-mod pretrained\u002Fmnist_svhn\u002Fmod.pth.tar\n```\n\n\u003Ca name=\"downloads\">\u003C\u002Fa>\n## Downloads\n#### Pretrained Models\n- [DispNet, PoseNet, MaskNet and FlowNet](https:\u002F\u002Fkeeper.mpdl.mpg.de\u002Ff\u002F72e946daa4e0481fb735\u002F?dl=1) in joint unsupervised learning of depth, camera motion, optical flow and motion segmentation.\n- [Alice, Bob and Moderator](https:\u002F\u002Fkeeper.mpdl.mpg.de\u002Ff\u002Fd0c7d4ebd0d74b84bf10\u002F?dl=1) in Mixed Domain Classification\n\n#### Evaluation Data\n- [Semantic Labels for KITTI](https:\u002F\u002Fkeeper.mpdl.mpg.de\u002Ff\u002F239c2dda94e54c449401\u002F?dl=1)\n\n## Acknowlegements\nWe thank Frederik Kunstner for verifying the convergence proofs. We are grateful to Clement Pinard for his [github repository](https:\u002F\u002Fgithub.com\u002FClementPinard\u002FSfmLearner-Pytorch). We use it as our initial code base. We thank Georgios Pavlakos for helping us with several revisions of the paper. We thank Joel Janai for preparing optical flow visualizations, and Clement Gorard for his Make3d evaluation code.\n\n\n## References\n*Anurag Ranjan, Varun Jampani, Lukas Balles, Deqing Sun, Kihwan Kim, Jonas Wulff and Michael J. Black.*  **Competitive Collaboration: Joint unsupervised learning of depth, camera motion, optical flow and motion segmentation.** CVPR 2019.\n","# 竞争协作\n这是一个官方仓库，用于**竞争协作：深度、相机运动、光流和运动分割的联合无监督学习**。该项目之前被称为**对抗协作**。\n\n### 新闻\n- **2019年8月16日：** 移除了 `skimage` 依赖，改用 `PIL`，并在 [`pil` 分支](https:\u002F\u002Fgithub.com\u002Fanuragranj\u002Fcc\u002Ftree\u002Fpil)中支持。如果您发现任何错误，请提交 issue 或 pull request。如果用户满意，这些更改最终将合并到 `master` 分支。\n- **2019年3月11日：** 我们最近已将整个代码移植到 `pytorch-1.0`，因此如果您发现任何错误，请提交 issue。\n\n[[项目页面]](http:\u002F\u002Fresearch.nvidia.com\u002Fpublication\u002F2018-05_Adversarial-Collaboration-Joint)\n[[Arxiv]](https:\u002F\u002Farxiv.org\u002Fabs\u002F1805.09806)\n\n**跳转至：**\n- [深度、相机运动、光流和运动分割的联合无监督学习](#jointcc)\n- [使用 MNIST+SVHN 的混合域学习](#mnist)\n- [下载预训练模型和评估数据](#downloads)\n\n### 先决条件\n需要 Python3 和 PyTorch。可以使用以下命令在 `python3` 虚拟环境中安装第三方库：\n\n```bash\npip3 install -r requirements.txt\n```\n\u003Ca name=\"jointcc\">\u003C\u002Fa>\n## 部署、相机运动、光流和运动分割的联合无监督学习\n\n### 准备训练数据\n\n#### KITTI\n对于 [KITTI](http:\u002F\u002Fwww.cvlibs.net\u002Fdatasets\u002Fkitti\u002Fraw_data.php)，首先使用官方网站提供的[脚本](http:\u002F\u002Fwww.cvlibs.net\u002Fdownload.php?file=raw_data_downloader.zip)下载数据集，然后运行以下命令。\n\n```bash\npython3 data\u002Fprepare_train_data.py \u002Fpath\u002Fto\u002Fraw\u002Fkitti\u002Fdataset\u002F --dataset-format 'kitti' --dump-root \u002Fpath\u002Fto\u002Fresulting\u002Fformatted\u002Fdata\u002F --width 832 --height 256 --num-threads 1 --static-frames data\u002Fstatic_frames.txt --with-gt\n```\n\n要在 KITTI 上测试光流真值，需下载 [KITTI2015](http:\u002F\u002Fwww.cvlibs.net\u002Fdatasets\u002Fkitti\u002Feval_scene_flow.php?benchmark=flow) 数据集。您需要下载 1) `stereo 2015\u002Fflow 2015\u002Fscene flow 2015` 数据集（2 GB），2) `multi-view extension`（14 GB），以及 3) `calibration files`（1 MB）。此外，还需从[这里](https:\u002F\u002Fkeeper.mpdl.mpg.de\u002Ff\u002F239c2dda94e54c449401\u002F?dl=1)下载语义标签。您的目录结构应如下所示：\n```\nkitti2015\n  | data_scene_flow  \n  | data_scene_flow_calib\n  | data_scene_flow_multiview  \n  | semantic_labels\n```\n\n#### Cityscapes\n\n对于 [Cityscapes](https:\u002F\u002Fwww.cityscapes-dataset.com\u002F)，请下载以下软件包：1) `leftImg8bit_sequence_trainvaltest.zip`，2) `camera_trainvaltest.zip`。您可能需要联系管理员才能获取这些文件。\n\n```bash\npython3 data\u002Fprepare_train_data.py \u002Fpath\u002Fto\u002Fcityscapes\u002Fdataset\u002F --dataset-format 'cityscapes' --dump-root \u002Fpath\u002Fto\u002Fresulting\u002Fformatted\u002Fdata\u002F --width 832 --height 342 --num-threads 1\n```\n\n请注意，对于 Cityscapes，我们将 `img_height` 设置为 342，因为我们裁剪掉了图像底部包含汽车标志的部分，最终图像高度为 256。\n\n### 训练实验\n\n按照上述说明格式化数据后，您应该能够运行一个训练实验。每次运行的实验都会记录在 `experiment_recorder.md` 中。\n\n```bash\npython3 train.py \u002Fpath\u002Fto\u002Fformatted\u002Fdata --dispnet DispResNet6 --posenet PoseNetB6 \\\n  --masknet MaskNet6 --flownet Back2Future --pretrained-disp \u002Fpath\u002Fto\u002Fpretrained\u002Fdispnet \\\n  --pretrained-pose \u002Fpath\u002Fto\u002Fpretrained\u002Fposenet --pretrained-flow \u002Fpath\u002Fto\u002Fpretrained\u002Fflownet \\\n  --pretrained-mask \u002Fpath\u002Fto\u002Fpretrained\u002Fmasknet -b4 -m0.1 -pf 0.5 -pc 1.0 -s0.1 -c0.3 \\\n  --epoch-size 1000 --log-output -f 0 --nlevels 6 --lr 1e-4 -wssim 0.997 --with-flow-gt \\\n  --with-depth-gt --epochs 100 --smoothness-type edgeaware  --fix-masknet --fix-flownet \\\n  --log-terminal --name EXPERIMENT_NAME\n```\n\n\n随后，您可以在该文件夹中启动一个 `tensorboard` 会话：\n```bash\ntensorboard --logdir=checkpoints\u002F\n```\n然后在浏览器中打开 [https:\u002F\u002Flocalhost:6006](https:\u002F\u002Flocalhost:6006) 查看训练进度。\n\n### 评估\n\n视差评估\n```bash\npython3 test_disp.py --dispnet DispResNet6 --pretrained-dispnet \u002Fpath\u002Fto\u002Fdispnet --pretrained-posent \u002Fpath\u002Fto\u002Fposenet --dataset-dir \u002Fpath\u002Fto\u002FKITTI_raw --dataset-list \u002Fpath\u002Fto\u002Ftest_files_list\n```\n\n测试文件列表可在 KITTI 评估文件夹中找到。为了与[原始论文中的评估代码](https:\u002F\u002Fgithub.com\u002Ftinghuiz\u002FSfMLearner\u002Fblob\u002Fmaster\u002Fkitti_eval\u002Feval_depth.py)进行公平比较，不要指定 posenet。但如果您指定了，它将用于解决尺度因子的歧义问题，而唯一用来确定尺度的真值就是车辆速度，这在实际条件下测量质量时更为合理，不过结果显然会较差。\n\n对于姿态评估，您需要下载 [KITTI Odometry](http:\u002F\u002Fwww.cvlibs.net\u002Fdatasets\u002Fkitti\u002Feval_odometry.php) 数据集。\n```bash\npython test_pose.py pretrained\u002Fpose_model_best.pth.tar --img-width 832 --img-height 256 --dataset-dir \u002Fpath\u002Fto\u002Fkitti\u002Fodometry\u002F --sequences 09 --posenet PoseNetB6\n```\n\n光流评估\n```bash\npython test_flow.py --pretrained-disp \u002Fpath\u002Fto\u002Fdispnet --pretrained-pose \u002Fpath\u002Fto\u002Fposenet --pretrained-mask \u002Fpath\u002Fto\u002Fmasknet --pretrained-flow \u002Fpath\u002Fto\u002Fflownet --kitti-dir \u002Fpath\u002Fto\u002Fkitti2015\u002Fdataset\n```\n\n掩码评估\n```bash\npython test_mask.py --pretrained-disp \u002Fpath\u002Fto\u002Fdispnet --pretrained-pose \u002Fpath\u002Fto\u002Fposenet --pretrained-mask \u002Fpath\u002Fto\u002Fmasknet --pretrained-flow \u002Fpath\u002Fto\u002Fflownet --kitti-dir \u002Fpath\u002Fto\u002Fkitti2015\u002Fdataset\n```\n\n\u003Ca name=\"mnist\">\u003C\u002Fa>\n## 使用 MNIST+SVHN 的混合域学习\n\n#### 训练\n要使用两个代理 Alice 和 Bob 进行竞争协作分类学习，请运行：\n```bash\npython3 mnist.py path\u002Fto\u002Fdownload\u002Fmnist\u002Fsvhn\u002Fdatasets\u002F --name EXP_NAME --log-output --log-terminal --epoch-size 1000 --epochs 400 --wr 1000\n```\n\n#### 评估\n要评估通过 CC 训练的 Alice、Bob 和 Moderator 的性能，请运行：\n```bash\npython3 mnist_eval.py path\u002Fto\u002Fmnist\u002Fsvhn\u002Fdatasets --pretrained-alice pretrained\u002Fmnist_svhn\u002Falice.pth.tar --pretrained-bob pretrained\u002Fmnist_svhn\u002Fbob.pth.tar --pretrained-mod pretrained\u002Fmnist_svhn\u002Fmod.pth.tar\n```\n\n\u003Ca name=\"downloads\">\u003C\u002Fa>\n## 下载\n#### 预训练模型\n- [DispNet、PoseNet、MaskNet 和 FlowNet](https:\u002F\u002Fkeeper.mpdl.mpg.de\u002Ff\u002F72e946daa4e0481fb735\u002F?dl=1) 在深度、相机运动、光流和运动分割的联合无监督学习中。\n- [Alice、Bob 和 Moderator](https:\u002F\u002Fkeeper.mpdl.mpg.de\u002Ff\u002Fd0c7d4ebd0d74b84bf10\u002F?dl=1) 在混合域分类中。\n\n#### 评估数据\n- [KITTI 的语义标签](https:\u002F\u002Fkeeper.mpdl.mpg.de\u002Ff\u002F239c2dda94e54c449401\u002F?dl=1)\n\n## 致谢\n我们感谢弗雷德里克·昆斯特纳对收敛性证明的验证。我们衷心感谢克莱芒·皮纳尔提供的[GitHub 仓库](https:\u002F\u002Fgithub.com\u002FClementPinard\u002FSfmLearner-Pytorch)，它为我们提供了初始代码基础。我们还要感谢格奥尔吉奥斯·帕夫拉科斯在论文多次修改过程中给予的帮助。同时，我们也感谢乔尔·雅奈准备光流可视化效果，以及克莱芒·戈拉尔提供的 Make3D 评估代码。\n\n\n## 参考文献\n*阿努拉格·兰詹、瓦伦·詹帕尼、卢卡斯·巴莱斯、德庆·孙、基焕·金、乔纳斯·武尔夫和迈克尔·J·布莱克.*  **竞争协作：深度、相机运动、光流及运动分割的联合无监督学习。** CVPR 2019。","# cc (Competitive Collaboration) 快速上手指南\n\n本指南旨在帮助开发者快速部署并运行 **Competitive Collaboration** 项目，该项目用于深度、相机运动、光流和运动分割的联合无监督学习。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n\n*   **操作系统**: Linux (推荐) 或 macOS\n*   **Python 版本**: Python 3.x\n*   **核心框架**: PyTorch 1.0 或更高版本\n*   **硬件**: 推荐使用 NVIDIA GPU 以加速训练和推理\n\n### 安装依赖\n\n建议使用 `virtualenv` 创建独立的 Python 3 虚拟环境，然后安装项目所需的第三方库：\n\n```bash\npip3 install -r requirements.txt\n```\n\n> **提示**: 如果下载速度较慢，可指定国内镜像源（如清华源）进行安装：\n> `pip3 install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`\n\n## 基本使用\n\n本项目主要包含两个应用场景：**联合无监督学习**（针对 KITTI\u002FCityscapes 数据集）和 **混合域学习**（针对 MNIST+SVHN）。以下以最常用的 **联合无监督学习** 为例，展示从数据准备到训练评估的完整流程。\n\n### 1. 准备训练数据 (以 KITTI 为例)\n\n首先下载 [KITTI Raw Data](http:\u002F\u002Fwww.cvlibs.net\u002Fdatasets\u002Fkitti\u002Fraw_data.php)，然后运行以下脚本格式化数据：\n\n```bash\npython3 data\u002Fprepare_train_data.py \u002Fpath\u002Fto\u002Fraw\u002Fkitti\u002Fdataset\u002F --dataset-format 'kitti' --dump-root \u002Fpath\u002Fto\u002Fresulting\u002Fformatted\u002Fdata\u002F --width 832 --height 256 --num-threads 1 --static-frames data\u002Fstatic_frames.txt --with-gt\n```\n\n*   `\u002Fpath\u002Fto\u002Fraw\u002Fkitti\u002Fdataset\u002F`: 原始数据集路径\n*   `\u002Fpath\u002Fto\u002Fresulting\u002Fformatted\u002Fdata\u002F`: 格式化后数据的输出路径\n\n### 2. 开始训练\n\n数据准备完成后，即可启动训练实验。以下是一个标准的训练命令示例：\n\n```bash\npython3 train.py \u002Fpath\u002Fto\u002Fformatted\u002Fdata --dispnet DispResNet6 --posenet PoseNetB6 \\\n  --masknet MaskNet6 --flownet Back2Future --pretrained-disp \u002Fpath\u002Fto\u002Fpretrained\u002Fdispnet \\\n  --pretrained-pose \u002Fpath\u002Fto\u002Fpretrained\u002Fposenet --pretrained-flow \u002Fpath\u002Fto\u002Fpretrained\u002Fflownet \\\n  --pretrained-mask \u002Fpath\u002Fto\u002Fpretrained\u002Fmasknet -b4 -m0.1 -pf 0.5 -pc 1.0 -s0.1 -c0.3 \\\n  --epoch-size 1000 --log-output -f 0 --nlevels 6 --lr 1e-4 -wssim 0.997 --with-flow-gt \\\n  --with-depth-gt --epochs 100 --smoothness-type edgeaware  --fix-masknet --fix-flownet \\\n  --log-terminal --name EXPERIMENT_NAME\n```\n\n训练过程中，日志将记录在 `experiment_recorder.md` 中。\n\n### 3. 可视化训练进度\n\n启动 TensorBoard 以实时监控训练状态：\n\n```bash\ntensorboard --logdir=checkpoints\u002F\n```\n\n然后在浏览器中访问 `https:\u002F\u002Flocalhost:6006` 查看图表。\n\n### 4. 模型评估\n\n训练完成后，可使用预训练模型或检查点对各项任务进行评估。\n\n**视差 (Disparity) 评估:**\n```bash\npython3 test_disp.py --dispnet DispResNet6 --pretrained-dispnet \u002Fpath\u002Fto\u002Fdispnet --pretrained-posent \u002Fpath\u002Fto\u002Fposenet --dataset-dir \u002Fpath\u002Fto\u002FKITTI_raw --dataset-list \u002Fpath\u002Fto\u002Ftest_files_list\n```\n\n**姿态 (Pose) 评估:**\n*(需先下载 KITTI Odometry 数据集)*\n```bash\npython test_pose.py pretrained\u002Fpose_model_best.pth.tar --img-width 832 --img-height 256 --dataset-dir \u002Fpath\u002Fto\u002Fkitti\u002Fodometry\u002F --sequences 09 --posenet PoseNetB6\n```\n\n**光流 (Optical Flow) 评估:**\n*(需先下载 KITTI2015 数据集)*\n```bash\npython test_flow.py --pretrained-disp \u002Fpath\u002Fto\u002Fdispnet --pretrained-pose \u002Fpath\u002Fto\u002Fposenet --pretrained-mask \u002Fpath\u002Fto\u002Fmasknet --pretrained-flow \u002Fpath\u002Fto\u002Fflownet --kitti-dir \u002Fpath\u002Fto\u002Fkitti2015\u002Fdataset\n```\n\n**掩膜 (Mask) 评估:**\n```bash\npython test_mask.py --pretrained-disp \u002Fpath\u002Fto\u002Fdispnet --pretrained-pose \u002Fpath\u002Fto\u002Fposenet --pretrained-mask \u002Fpath\u002Fto\u002Fmasknet --pretrained-flow \u002Fpath\u002Fto\u002Fflownet --kitti-dir \u002Fpath\u002Fto\u002Fkitti2015\u002Fdataset\n```\n\n> **注意**: 如需使用预训练模型，请前往项目 README 中的 \"Downloads\" 部分获取链接。","某自动驾驶初创公司的感知算法团队正在利用车载摄像头采集的无标注视频数据，构建用于城市道路场景的深度估计与动态物体分割模型。\n\n### 没有 cc 时\n- **数据标注成本高昂**：训练深度和光流模型依赖昂贵的激光雷达真值或人工逐帧标注，导致项目预算严重超支且数据迭代缓慢。\n- **多任务模型割裂**：深度估计、相机位姿推算和运动分割需要分别训练独立模型，不仅显存占用高，还难以保证各任务间几何一致性。\n- **动态物体干扰大**：传统无监督方法无法有效区分静态背景与移动车辆，导致深度图在行驶车辆区域出现严重伪影和断裂。\n- **泛化能力受限**：仅在单一数据集训练的模型难以适应复杂多变的城市光照和纹理，部署到新路段时精度大幅下降。\n\n### 使用 cc 后\n- **实现纯无监督训练**：cc 通过竞争性协作机制，直接从未标注的视频序列中联合学习深度、位姿和光流，彻底省去了人工标注环节。\n- **多任务联合优化**：单个框架同时输出深度图、相机运动轨迹及运动掩码，任务间相互约束显著提升了整体几何重建的准确性。\n- **精准分离动态目标**：内置的运动分割网络能自动识别并屏蔽移动物体干扰，生成的深度图在车辆和行人边缘更加清晰完整。\n- **跨域适应性强**：支持混合域学习（如 KITTI 与 Cityscapes 混训），模型在面对未见过的城市街道场景时仍保持鲁棒的推断能力。\n\ncc 通过无监督的多任务联合学习机制，让研发团队以零标注成本实现了高精度的场景感知，大幅缩短了自动驾驶视觉系统的落地周期。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fanuragranj_cc_dc4598a3.png","anuragranj","Anurag Ranjan","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fanuragranj_84a57309.jpg",null,"Apple","anurag.ranjan@tuebingen.mpg.de","anuragranjan.com","https:\u002F\u002Fgithub.com\u002Fanuragranj",[81],{"name":82,"color":83,"percentage":84},"Python","#3572A5",100,531,62,"2026-04-16T03:37:34","MIT",4,"未说明","需要 NVIDIA GPU (基于 PyTorch 和深度学习任务推断，具体型号和显存未说明)",{"notes":93,"python":94,"dependencies":95},"该项目原名为'Adversarial Collaboration'。代码已移植到 PyTorch 1.0+ 版本。原本依赖的 skimage 库已被移除，改用 PIL（可在 pil 分支找到）。训练和评估需要准备 KITTI 或 Cityscapes 数据集，并按特定脚本格式化处理。使用 TensorBoard 可视化训练进度。","Python 3",[96,97,98],"pytorch>=1.0","PIL (Pillow)","tensorboard",[100,15,14],"视频",[102,103,104,105,106,107,108,109],"adversarial","adversarial-collaboration","optical-flow","depth-prediction","camera-pose","motion-segmentation","unsupervised-learning","deep-learning","2026-03-27T02:49:30.150509","2026-04-20T04:06:02.114844",[113,118,123,127,132,137],{"id":114,"question_zh":115,"answer_zh":116,"source_url":117},43183,"导入 spatial_correlation_sampler_backend 时出现 'undefined symbol: _ZTIN3c1021AutogradMetaInterfaceE' 错误怎么办？","这是一个已知的兼容性问题，通常与 PyTorch 版本、CUDA 版本或编译环境不匹配有关。该问题在多个相关仓库（如 Pytorch-Correlation-extension）中都有讨论。建议检查您的 CUDA 版本（如 10.0）、GCC 版本（如 7）和 PyTorch 版本（如 1.0）是否完全匹配，并参考相关 Issue #15 和 #16 进行重新编译或更新依赖。","https:\u002F\u002Fgithub.com\u002Fanuragranj\u002Fcc\u002Fissues\u002F8",{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},43184,"是否有官方提供的训练脚本或具体的训练命令参数？","是的，维护者提供了分阶段训练的具体命令。例如：\n1. 训练深度和姿态网络：\npython3 train.py $data_root --dispnet DispResNet6 --posenet PoseNetB6 --masknet MaskNet6 --flownet Back2Future -b 4 -pc 1.0 -pf 0.0 -m 0.6 -c 0.0 -s 0.1 --epoch-size 1000 --log-output -f 0 --nlevels 6 --lr 1e-4 -wssim 0.997 --epochs $epochs --smoothness-type edgeaware --fix-flownet --log-terminal --name $EXPERIMENT_NAME\n2. 训练光流网络（注意添加 --no-non-rigid-mask）：\npython3 train.py ... -pc 0.0 -pf 1.0 -m 0.0 ... --fix-dispnet --fix-posenet --fix-masknet --no-non-rigid-mask --resume\n请根据具体训练阶段调整 -pc, -pf, -m 等损失权重参数。","https:\u002F\u002Fgithub.com\u002Fanuragranj\u002Fcc\u002Fissues\u002F5",{"id":124,"question_zh":125,"answer_zh":126,"source_url":122},43185,"训练 MaskNet 时，损失函数中的掩码权重参数 '-m' 应该设置为多少？","在初始训练 MaskNet 时，不应将 '-m' 设置为 0.0，因为这会 effectively 移除损失函数中的掩码项。维护者确认正确的参数应为 '-m 0.005' 并配合 '-c 0.3'。修正后的命令片段如下：\npython3 train.py ... -pc 1.0 -pf 0.5 -m 0.005 -c 0.3 -s 0.1 ... --fix-dispnet --fix-posenet --fix-flownet",{"id":128,"question_zh":129,"answer_zh":130,"source_url":131},43186,"如何可视化刚性掩码（Rigidity masks）结果？","刚性掩码的可视化对应于代码库中的 test_mask.py 脚本（具体在第 173 行）。运行测试后，结果会以 'val Rigidity Mask Census' 为名保存在 TensorBoard 的事件文件中。您可以使用 TensorBoard 加载这些事件文件来查看生成的掩码图像。","https:\u002F\u002Fgithub.com\u002Fanuragranj\u002Fcc\u002Fissues\u002F18",{"id":133,"question_zh":134,"answer_zh":135,"source_url":136},43187,"PoseNet 输出的相机平移轨迹在全局范围内表现不佳是正常的吗？","是的，该方法在全局轨迹估计上可能存在误差，但在局部相对姿态估计上表现优异。测试数据显示，在 KITTI 序列 9 和 10 上的局部误差约为 0.012 ± 0.007。如果发现全局漂移较大，可能是因为网络缺乏长时序信息（如 LSTM），这是该方法的已知局限性。确保输入图像已调整为 832x256 并归一化到 [-1, 1] 之间。","https:\u002F\u002Fgithub.com\u002Fanuragranj\u002Fcc\u002Fissues\u002F7",{"id":138,"question_zh":139,"answer_zh":140,"source_url":122},43188,"从头开始训练时模型无法收敛怎么办？","如果从头训练不收敛，建议不要从零开始，而是尝试调整超参数或使用预训练模型进行微调。有用户反馈从头训练在其案例中未收敛，维护者建议参考作者推荐的超参数设置，或者直接使用提供的预训练权重作为初始化，特别是对于复杂的联合训练任务（如同时训练 DispNet 和 PoseNet）。",[]]