[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-baaivision--Painter":3,"tool-baaivision--Painter":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",155373,2,"2026-04-14T11:34:08",[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":10,"last_commit_at":59,"category_tags":60,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"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":76,"owner_email":76,"owner_twitter":76,"owner_website":76,"owner_url":77,"languages":78,"stars":91,"forks":92,"last_commit_at":93,"license":94,"difficulty_score":10,"env_os":95,"env_gpu":96,"env_ram":96,"env_deps":97,"category_tags":100,"github_topics":101,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":109,"updated_at":110,"faqs":111,"releases":147},7416,"baaivision\u002FPainter","Painter","Painter & SegGPT Series: Vision Foundation Models from BAAI","Painter 是由北京智源人工智能研究院（BAAI）推出的视觉基础模型系列，包含 Painter 和 SegGPT 两个核心项目。它旨在让计算机像人类一样，通过“看图学习”的方式理解并处理各种视觉任务。\n\n传统 AI 模型往往针对特定任务单独训练，而 Painter 系列突破了这一限制。其中，Painter 模型实现了“上下文视觉学习”，只需提供少量示例图片，就能让模型学会修复图像、填充内容或进行风格迁移；SegGPT 则进一步将能力扩展至分割领域，能够根据用户提供的参考标注，精准分割出任意新图像或视频中的目标物体，甚至实现了“一触百通”的交互式体验。\n\n这套工具特别适合计算机视觉领域的研究人员和开发者，用于探索通用视觉模型的前沿技术；同时也为设计师和视频编辑人员提供了强大的辅助创作能力，无需深厚代码背景即可通过简单交互完成复杂的图像处理工作。其最大亮点在于统一的架构设计，用一套模型解决了多种视觉任务，大幅降低了多任务学习的门槛，推动了视觉 AI 向更通用、更灵活的方向发展。","\u003Cdiv align=\"center\">\n\n\u003Ch2>Painter  → SegGPT: Vision Foundation Models from BAAI\u003C\u002Fh2>\n\nhttps:\u002F\u002Fuser-images.githubusercontent.com\u002F22233070\u002F230440971-ad015101-205f-4b02-a176-de6e94848b5a.mp4\n\n\n\u003C\u002Fdiv>\n\n---\n\n\n- [**Painter**](Painter) (CVPR 2023) - Images Speak in Images: A Generalist Painter for In-Context Visual Learning\n\n- [**SegGPT**](SegGPT) (ICCV 2023) - SegGPT: Segmenting Everything In Context\n\n\n## News\n- 2023.4 Inference code and model of SegGPT are available at [here](SegGPT\u002FSegGPT_inference\u002FREADME.md).\n- 2023.4 We combined SAM and SegGPT to enable one touch for segmentation in all images (一触百通), as well as any segmentation in a video (分割视频中的一切). Check it out [here](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FBAAI\u002FSegGPT).\n- 2023.4 Enjoy the [SegGPT demo](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FBAAI\u002FSegGPT).\n- 2023.3 Code and model of Painter are available.\n\n## Contact\n- **We are hiring** at all levels at BAAI Vision Team, including full-time researchers, engineers and interns. \nIf you are interested in working with us on **foundation model, visual perception and multimodal learning**, please contact [Xinlong Wang](https:\u002F\u002Fwww.xloong.wang\u002F) (`wangxinlong@baai.ac.cn`).\n\n\n\n## License\n\nThe content of this project itself is licensed under [LICENSE](LICENSE).\n\n\n\n\n","\u003Cdiv align=\"center\">\n\n\u003Ch2>Painter → SegGPT：来自BAAI的视觉基础模型\u003C\u002Fh2>\n\nhttps:\u002F\u002Fuser-images.githubusercontent.com\u002F22233070\u002F230440971-ad015101-205f-4b02-a176-de6e94848b5a.mp4\n\n\n\u003C\u002Fdiv>\n\n---\n\n\n- [**Painter**](Painter)（CVPR 2023）——图像用图像说话：用于上下文视觉学习的通用画家模型\n\n- [**SegGPT**](SegGPT)（ICCV 2023）——SegGPT：在上下文中分割一切\n\n\n## 新闻\n- 2023年4月，SegGPT的推理代码和模型已在[这里](SegGPT\u002FSegGPT_inference\u002FREADME.md)公开。\n- 2023年4月，我们结合SAM和SegGPT，实现了“一触百通”——只需一次点击即可完成所有图像的分割，以及“分割视频中的一切”。欢迎体验[这里](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FBAAI\u002FSegGPT)。\n- 2023年4月，尽享[SegGPT演示](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FBAAI\u002FSegGPT)。\n- 2023年3月，Painter的代码和模型已公开。\n\n## 联系方式\n- **BAAI视觉团队诚聘英才**，面向各层次人才，包括全职研究员、工程师及实习生。  \n如果您对**基础模型、视觉感知和多模态学习**感兴趣，请联系[王鑫龙](https:\u002F\u002Fwww.xloong.wang\u002F)（`wangxinlong@baai.ac.cn`）。\n\n\n\n## 许可证\n\n本项目的具体内容采用[LICENSE](LICENSE)许可证授权。","# Painter 快速上手指南\n\nPainter 是由北京智源人工智能研究院（BAAI）推出的视觉基础模型，旨在通过“上下文视觉学习”实现通用的图像理解与生成。本指南将帮助您快速部署并运行 Painter 模型。\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 18.04+) 或 macOS\n*   **Python 版本**: Python 3.8 或更高版本\n*   **GPU**: 推荐使用 NVIDIA GPU (显存建议 16GB 以上以运行完整模型)，需安装 CUDA 11.1+\n*   **前置依赖**:\n    *   PyTorch 1.9.0+\n    *   torchvision\n    *   timm\n    *   opencv-python\n    *   matplotlib\n\n> **提示**：国内用户建议使用清华或阿里镜像源加速 Python 包的安装。\n\n## 安装步骤\n\n1.  **克隆项目代码**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fbaaivision\u002FPainter.git\n    cd Painter\n    ```\n\n2.  **创建虚拟环境并安装依赖**\n    ```bash\n    # 创建虚拟环境\n    python -m venv painter_env\n    source painter_env\u002Fbin\u002Factivate  # Windows 用户使用: painter_env\\Scripts\\activate\n\n    # 安装 PyTorch (根据实际 CUDA 版本选择，此处以 CUDA 11.8 为例)\n    # 国内加速源推荐：\n    pip install torch torchvision torchaudio --index-url https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Fcu118\n\n    # 安装其他核心依赖\n    pip install -r requirements.txt\n    ```\n    *注：若 `requirements.txt` 不存在，请手动安装关键库：*\n    ```bash\n    pip install timm opencv-python matplotlib\n    ```\n\n3.  **下载预训练模型**\n    从 Hugging Face 或项目发布的链接下载 Painter 预训练权重文件（例如 `painter_vit_large.pth`），并将其放置在项目根目录或指定的 `checkpoints` 文件夹下。\n    \n    *国内用户可通过魔搭社区（ModelScope）或相关国内镜像站查找是否有加速下载链接。*\n\n## 基本使用\n\n以下是一个最简单的推理示例，展示如何使用 Painter 进行上下文图像学习（In-Context Visual Learning）。假设您已准备好输入图像和提示图像。\n\n1.  **准备数据**\n    确保您有以下图片：\n    *   `input_image.jpg`: 需要处理的目标图像。\n    *   `prompt_image.jpg`: 提供上下文的提示图像（包含掩码或标注）。\n\n2.  **运行推理脚本**\n    在项目目录下执行以下 Python 命令：\n\n    ```python\n    import torch\n    from PIL import Image\n    from painter_model import Painter  # 假设模型加载类已定义\n    \n    # 配置设备\n    device = \"cuda\" if torch.cuda.is_available() else \"cpu\"\n    \n    # 加载模型\n    model = Painter(pretrained=\"checkpoints\u002Fpainter_vit_large.pth\")\n    model.to(device)\n    model.eval()\n    \n    # 加载图像\n    input_img = Image.open(\"input_image.jpg\").convert(\"RGB\")\n    prompt_img = Image.open(\"prompt_image.jpg\").convert(\"RGB\")\n    \n    # 执行推理 (具体预处理需参考官方 demo 脚本)\n    with torch.no_grad():\n        output = model.inference(prompt_img, input_img)\n    \n    # 保存结果\n    output.save(\"result.png\")\n    print(\"推理完成，结果已保存为 result.png\")\n    ```\n\n> **注意**：具体的预处理逻辑（如 Resize、Normalize）和模型加载类名请以仓库中 `Painter\u002Fdemo.py` 或 `Painter\u002Finference.py` 的实际代码为准。上述代码为通用逻辑示意。","某电商平台的视觉运营团队需要快速为数千张新上架的商品图生成统一的促销海报，要求将商品从复杂背景中精准抠出并合成到特定的节日场景中。\n\n### 没有 Painter 时\n- 设计师必须手动使用 Photoshop 对每张商品图进行精细抠图，耗时极长且难以保证边缘一致性。\n- 面对不同光照和遮挡情况的商品，传统分割模型泛化能力差，往往需要针对每类商品重新训练或微调模型。\n- 想要修改合成风格（如从“春节红”改为“中秋蓝”），需要重新编写脚本或手动调整蒙版，无法通过简单示例直接迁移。\n- 处理视频素材时，帧间闪烁严重，需要逐帧修正分割结果，几乎无法实现自动化批量生产。\n\n### 使用 Painter 后\n- 利用 Painter 的上下文视觉学习能力，只需提供一张“商品 + 目标背景”的示例图，即可自动完成剩余所有图片的精准抠图与合成。\n- 无需针对新商品类别重新训练，Painter 凭借通用视觉基础模型特性，直接适应各种未见过的商品形态和复杂遮挡。\n- 更换风格变得极其简单，仅需替换参考示例图中的背景风格，Painter 即刻将所有输出调整为对应的新视觉效果。\n- 结合 SegGPT 扩展能力，在视频处理中实现了“一触百通”，单点提示即可稳定分割视频中所有帧的目标物体，彻底消除帧间抖动。\n\nPainter 将原本需要数天的人工精修工作压缩至分钟级，真正实现了“看图学图”的零样本视觉任务自动化。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbaaivision_Painter_2252c5e1.png","baaivision","BAAI-Vision","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fbaaivision_24920407.png","Foundation model fanatics from BAAI.",null,"https:\u002F\u002Fgithub.com\u002Fbaaivision",[79,83,87],{"name":80,"color":81,"percentage":82},"Python","#3572A5",97.8,{"name":84,"color":85,"percentage":86},"Shell","#89e051",1.3,{"name":88,"color":89,"percentage":90},"MATLAB","#e16737",1,2589,180,"2026-04-14T02:11:57","MIT","","未说明",{"notes":98,"python":96,"dependencies":99},"提供的 README 内容仅为项目概览、新闻更新及联系方式，未包含具体的安装指南、环境配置要求或依赖库列表。详细运行环境需求需参考子目录（Painter\u002FSegGPT）下的具体文档。",[],[15,35],[102,103,104,105,106,107,108],"cvpr2023","in-context-learning","generalist-model","generalist-painter","in-context-visual-learning","seggpt","segmentation-foundation-model","2026-03-27T02:49:30.150509","2026-04-14T20:44:53.614805",[112,117,122,127,132,137,142],{"id":113,"question_zh":114,"answer_zh":115,"source_url":116},33274,"Painter 项目依赖的 mmcv、mmdet 和 mmpose 的版本是多少？安装最新版后出现模块缺失错误怎么办？","请使用以下经过验证的版本组合，它们在作者机器上运行良好并能解决如 'cannot import name Config from mmcv' 等错误：\n- mmcv-full=1.6.0\n- mmdet=2.26.0\n- mmpose=0.25.0\n- mmtrack=0.14.0","https:\u002F\u002Fgithub.com\u002Fbaaivision\u002FPainter\u002Fissues\u002F62",{"id":118,"question_zh":119,"answer_zh":120,"source_url":121},33275,"运行 Gradio Demo 应用时报错（如 TabbedInterface 参数错误或版本警告），如何解决？","这是因为 Gradio 版本过低导致的兼容性问题。请将 Gradio 升级到 3.22.1 或更高版本。\n升级命令示例：pip install -U gradio>=3.22.1","https:\u002F\u002Fgithub.com\u002Fbaaivision\u002FPainter\u002Fissues\u002F9",{"id":123,"question_zh":124,"answer_zh":125,"source_url":126},33276,"如何训练任务提示（Task Prompt）？具体配置与端到端训练有何不同？","任务提示的训练流程与端到端设置基本相同，但需注意以下三点关键区别：\n1. 冻结除提示图像（prompt image）外的所有模型参数；\n2. 使用较大的学习率，例如 1e-1；\n3. 使用较短的训练周期（schedule）。","https:\u002F\u002Fgithub.com\u002Fbaaivision\u002FPainter\u002Fissues\u002F2",{"id":128,"question_zh":129,"answer_zh":130,"source_url":131},33277,"在去噪任务（Denoising Task）评估时，输入图像尺寸是如何处理的？","推理过程中，会将标准的 256x256 噪声图像块调整大小（resize）至 448x448 以匹配训练设置。去噪完成后，再将结果图像块重新调整回 256x256 进行最终的 PSNR 和 SSIM 评估。","https:\u002F\u002Fgithub.com\u002Fbaaivision\u002FPainter\u002Fissues\u002F4",{"id":133,"question_zh":134,"answer_zh":135,"source_url":136},33278,"联合训练模型的评估方式是直接使用该模型，还是需要针对特定任务进行微调？","联合训练的模型可以直接用于多个任务的评估，无需针对特定任务进行额外的微调（fine-tuning）。","https:\u002F\u002Fgithub.com\u002Fbaaivision\u002FPainter\u002Fissues\u002F3",{"id":138,"question_zh":139,"answer_zh":140,"source_url":141},33279,"在评估阶段如何选择提示图像（Prompt）？提示掩码的质量会影响结果吗？","你可以从训练集中选择提示图像。虽然官方回复未明确说明质量影响，但通常提示图像的选择对少样本分割效果至关重要，建议选取具有代表性的样本。","https:\u002F\u002Fgithub.com\u002Fbaaivision\u002FPainter\u002Fissues\u002F7",{"id":143,"question_zh":144,"answer_zh":145,"source_url":146},33280,"SegGPT 的模型权重和推理代码是否已开源？","是的，SegGPT 的模型权重和推理代码目前已经可用，请查看项目仓库获取最新资源。","https:\u002F\u002Fgithub.com\u002Fbaaivision\u002FPainter\u002Fissues\u002F24",[]]