[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-cuixing158--Awesome-CV-MasterHub":3,"tool-cuixing158--Awesome-CV-MasterHub":64},[4,17,27,35,43,56],{"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},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"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",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"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",[15,14,13,26,54],{"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":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":80,"owner_email":81,"owner_twitter":79,"owner_website":82,"owner_url":83,"languages":79,"stars":84,"forks":85,"last_commit_at":86,"license":79,"difficulty_score":87,"env_os":88,"env_gpu":88,"env_ram":88,"env_deps":89,"category_tags":92,"github_topics":93,"view_count":10,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":114,"updated_at":115,"faqs":116,"releases":117},799,"cuixing158\u002FAwesome-CV-MasterHub","Awesome-CV-MasterHub",":fire: :fire: :fire: A paper list of some recent Computer Vision(CV) works","Awesome-CV-MasterHub 是一个专注于计算机视觉（CV）领域的开源论文汇总库，旨在帮助社区高效追踪最新研究成果。在计算机视觉技术飞速发展的背景下，面对海量的学术产出，如何快速筛选出高质量的前沿工作成为一大挑战。\n\n这个资源库将文献按任务类型进行了细致分类，涵盖了从基础的图像分类、目标检测，到复杂的语义分割、视频生成，再到视觉大模型（Vision-LLMs）及自动驾驶等四十多个细分方向。对于科研人员、算法工程师以及深度学习学习者而言，它是获取最新技术动态的理想入口。除了论文列表外，Awesome-CV-MasterHub 还尽可能提供了配套代码链接，方便直接复现验证。\n\n其独特之处在于严格的质量控制，每个子领域仅保留最新发表的 200 篇核心文章，有效避免了信息过载。此外，支持每日邮件通知功能，确保用户能第一时间掌握领域内的关键更新。如果你希望系统性地了解视觉技术脉络，这个精心整理的知识库值得收藏。","# Awesome-CV-MasterHub\n\n[![Awesome](https:\u002F\u002Fawesome.re\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002Fcuixing158\u002FAwesome-CV-MasterHub)\n\nA paper list of some recent Computer Vision(CV) works. If you find some ignored papers, please open issues or pull requests.\n\n **The latest version has been updated, and you can click on the following links to view the list of papers and the codes (if available).**\n\n> [!NOTE]\n>\n> Only the most recent articles for each area are retained, up to a maximum of 200 papers.\n\n> [!TIP]\n>\n> You can click the 'Watch' button to receive daily email notifications.\n\nLast update: 2026-03-18\n\n## Table of Contents\n\n- [Image-Classification](.\u002Fdocs\u002FImage-Classification.md)\n- [Object-Detection](.\u002Fdocs\u002FObject-Detection.md)\n- [Semantic-Segmentation](.\u002Fdocs\u002FSemantic-Segmentation.md)\n- [Instance-Segmentation](.\u002Fdocs\u002FInstance-Segmentation.md)\n- [Panoptic-Segmentation](.\u002Fdocs\u002FPanoptic-Segmentation.md)\n- [Pose-Estimation](.\u002Fdocs\u002FPose-Estimation.md)\n- [Keypoint-Detection](.\u002Fdocs\u002FKeypoint-Detection.md)\n- [Object-Tracking](.\u002Fdocs\u002FObject-Tracking.md)\n- [Image-Generation](.\u002Fdocs\u002FImage-Generation.md)\n- [Image-Enhancement](.\u002Fdocs\u002FImage-Enhancement.md)\n- [Image-Denoising](.\u002Fdocs\u002FImage-Denoising.md)\n- [Image-Captioning](.\u002Fdocs\u002FImage-Captioning.md)\n- [Image-SuperResolution](.\u002Fdocs\u002FImage-SuperResolution.md)\n- [Image-Fusion](.\u002Fdocs\u002FImage-Fusion.md)\n- [Image-Dehazing](.\u002Fdocs\u002FImage-Dehazing.md)\n- [Video-Understanding](.\u002Fdocs\u002FVideo-Understanding.md)\n- [Video-Generation](.\u002Fdocs\u002FVideo-Generation.md)\n- [Video-Classification](.\u002Fdocs\u002FVideo-Classification.md)\n- [Action-Recognition](.\u002Fdocs\u002FAction-Recognition.md)\n- [Visual-Object-Tracking](.\u002Fdocs\u002FVisual-Object-Tracking.md)\n- [Person-ReIdentification](.\u002Fdocs\u002FPerson-ReIdentification.md)\n- [Vision-LLMs](.\u002Fdocs\u002FVision-LLMs.md)\n- [Gesture-Recognition](.\u002Fdocs\u002FGesture-Recognition.md)\n- [OCR](.\u002Fdocs\u002FOCR.md)\n- [Visual-Feature](.\u002Fdocs\u002FVisual-Feature.md)\n- [Feature-Detection](.\u002Fdocs\u002FFeature-Detection.md)\n- [Feature-Matching](.\u002Fdocs\u002FFeature-Matching.md)\n- [MultiView-Learning](.\u002Fdocs\u002FMultiView-Learning.md)\n- [Motion-Estimation](.\u002Fdocs\u002FMotion-Estimation.md)\n- [Visual-SLAM](.\u002Fdocs\u002FVisual-SLAM.md)\n- [Multimodal-Learning](.\u002Fdocs\u002FMultimodal-Learning.md)\n- [SelfSupervised-Learning](.\u002Fdocs\u002FSelfSupervised-Learning.md)\n- [Domain-Adaptation-and-Transfer-Learning](.\u002Fdocs\u002FDomain-Adaptation-and-Transfer-Learning.md)\n- [Medical-Image-Analysis](.\u002Fdocs\u002FMedical-Image-Analysis.md)\n- [Autonomous-Driving](.\u002Fdocs\u002FAutonomous-Driving.md)\n- [Face-Detection-and-Recognition](.\u002Fdocs\u002FFace-Detection-and-Recognition.md)\n- [Remote-Sensing-Image-Analysis](.\u002Fdocs\u002FRemote-Sensing-Image-Analysis.md)\n- [Image-Retrieval](.\u002Fdocs\u002FImage-Retrieval.md)\n- [Vision-Transformers](.\u002Fdocs\u002FVision-Transformers.md)\n- [Stereo-Vision](.\u002Fdocs\u002FStereo-Vision.md)\n- [Camera-Calibration](.\u002Fdocs\u002FCamera-Calibration.md)\n- [Optical-Flow-Estimation](.\u002Fdocs\u002FOptical-Flow-Estimation.md)\n- [Image-Stitching](.\u002Fdocs\u002FImage-Stitching.md)\n- [Model-Compression-and-Acceleration](.\u002Fdocs\u002FModel-Compression-and-Acceleration.md)\n- [Anomaly-Detection](.\u002Fdocs\u002FAnomaly-Detection.md)\n- [Vision-and-Language](.\u002Fdocs\u002FVision-and-Language.md)\n- [Interpretability-and-Visualization](.\u002Fdocs\u002FInterpretability-and-Visualization.md)\n- [Datasets-and-Benchmarks](.\u002Fdocs\u002FDatasets-and-Benchmarks.md)\n\n## Contact & Feedback\n\nHave questions, suggestions, or just want to say hello? Feel free to reach out!\n\n📧 Email: \u003Ccuixingxing150@gmail.com>","# Awesome-CV-MasterHub\n\n[![Awesome](https:\u002F\u002Fawesome.re\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002Fcuixing158\u002FAwesome-CV-MasterHub)\n\n一份近期计算机视觉（Computer Vision, CV）工作的论文列表。如果您发现被遗漏的论文，请提交 issue（问题）或 pull request（拉取请求）。\n\n **最新版本已更新，您可以点击以下链接查看论文列表和代码（如果有）。**\n\n> [!NOTE]\n>\n> 仅保留每个领域最新的文章，最多 200 篇论文。\n\n> [!TIP]\n>\n> 您可以点击'Watch'（关注）按钮接收每日邮件通知。\n\n最后更新：2026-03-18\n\n## 目录\n\n- [图像分类](.\u002Fdocs\u002FImage-Classification.md)\n- [目标检测](.\u002Fdocs\u002FObject-Detection.md)\n- [语义分割](.\u002Fdocs\u002FSemantic-Segmentation.md)\n- [实例分割](.\u002Fdocs\u002FInstance-Segmentation.md)\n- [全景分割](.\u002Fdocs\u002FPanoptic-Segmentation.md)\n- [姿态估计](.\u002Fdocs\u002FPose-Estimation.md)\n- [关键点检测](.\u002Fdocs\u002FKeypoint-Detection.md)\n- [物体跟踪](.\u002Fdocs\u002FObject-Tracking.md)\n- [图像生成](.\u002Fdocs\u002FImage-Generation.md)\n- [图像增强](.\u002Fdocs\u002FImage-Enhancement.md)\n- [图像去噪](.\u002Fdocs\u002FImage-Denoising.md)\n- [图像描述](.\u002Fdocs\u002FImage-Captioning.md)\n- [图像超分辨率](.\u002Fdocs\u002FImage-SuperResolution.md)\n- [图像融合](.\u002Fdocs\u002FImage-Fusion.md)\n- [图像去雾](.\u002Fdocs\u002FImage-Dehazing.md)\n- [视频理解](.\u002Fdocs\u002FVideo-Understanding.md)\n- [视频生成](.\u002Fdocs\u002FVideo-Generation.md)\n- [视频分类](.\u002Fdocs\u002FVideo-Classification.md)\n- [动作识别](.\u002Fdocs\u002FAction-Recognition.md)\n- [视觉目标跟踪](.\u002Fdocs\u002FVisual-Object-Tracking.md)\n- [行人重识别](.\u002Fdocs\u002FPerson-ReIdentification.md)\n- [视觉大语言模型](.\u002Fdocs\u002FVision-LLMs.md)\n- [手势识别](.\u002Fdocs\u002FGesture-Recognition.md)\n- [光学字符识别](.\u002Fdocs\u002FOCR.md)\n- [视觉特征](.\u002Fdocs\u002FVisual-Feature.md)\n- [特征检测](.\u002Fdocs\u002FFeature-Detection.md)\n- [特征匹配](.\u002Fdocs\u002FFeature-Matching.md)\n- [多视图学习](.\u002Fdocs\u002FMultiView-Learning.md)\n- [运动估计](.\u002Fdocs\u002FMotion-Estimation.md)\n- [视觉同步定位与建图](.\u002Fdocs\u002FVisual-SLAM.md)\n- [多模态学习](.\u002Fdocs\u002FMultimodal-Learning.md)\n- [自监督学习](.\u002Fdocs\u002FSelfSupervised-Learning.md)\n- [域适应与迁移学习](.\u002Fdocs\u002FDomain-Adaptation-and-Transfer-Learning.md)\n- [医学图像分析](.\u002Fdocs\u002FMedical-Image-Analysis.md)\n- [自动驾驶](.\u002Fdocs\u002FAutonomous-Driving.md)\n- [人脸检测与识别](.\u002Fdocs\u002FFace-Detection-and-Recognition.md)\n- [遥感图像分析](.\u002Fdocs\u002FRemote-Sensing-Image-Analysis.md)\n- [图像检索](.\u002Fdocs\u002FImage-Retrieval.md)\n- [视觉 Transformer](.\u002Fdocs\u002FVision-Transformers.md)\n- [立体视觉](.\u002Fdocs\u002FStereo-Vision.md)\n- [相机标定](.\u002Fdocs\u002FCamera-Calibration.md)\n- [光流估计](.\u002Fdocs\u002FOptical-Flow-Estimation.md)\n- [图像拼接](.\u002Fdocs\u002FImage-Stitching.md)\n- [模型压缩与加速](.\u002Fdocs\u002FModel-Compression-and-Acceleration.md)\n- [异常检测](.\u002Fdocs\u002FAnomaly-Detection.md)\n- [视觉与语言](.\u002Fdocs\u002FVision-and-Language.md)\n- [可解释性与可视化](.\u002Fdocs\u002FInterpretability-and-Visualization.md)\n- [数据集与基准测试](.\u002Fdocs\u002FDatasets-and-Benchmarks.md)\n\n## 联系与反馈\n\n有问题、建议，或者只是想打个招呼？欢迎随时联系！\n\n📧 邮箱：\u003Ccuixingxing150@gmail.com>","# Awesome-CV-MasterHub 快速上手指南\n\n**Awesome-CV-MasterHub** 是一个精选的计算机视觉（Computer Vision, CV）领域最新论文列表仓库。它按任务分类整理了近期工作，并提供相关代码链接（如有）。本指南旨在帮助您快速获取并浏览该资源库。\n\n## 环境准备\n\n由于本仓库主要包含文档链接与索引，无需复杂的深度学习环境即可浏览。\n\n- **系统要求**：任意支持现代浏览器的操作系统（Windows \u002F macOS \u002F Linux）。\n- **前置依赖**：\n  - 已安装 `Git` 命令行工具。\n  - 稳定的网络连接（访问 GitHub 可能需要网络加速）。\n  - 文本编辑器或 Markdown 阅读器（可选，用于本地查看）。\n\n## 安装步骤\n\n通过 Git 克隆仓库到本地。如果直接访问 GitHub 速度较慢，建议使用国内镜像源或代理。\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fcuixing158\u002FAwesome-CV-MasterHub.git\n```\n\n进入项目目录：\n\n```bash\ncd Awesome-CV-MasterHub\n```\n\n## 基本使用\n\n### 1. 浏览论文列表\n仓库的核心内容位于 `docs` 目录下，按不同 CV 任务分类。您可以直接在终端打开文件，或使用本地编辑器查看。\n\n例如，查看图像分类相关的论文：\n```bash\ncat docs\u002FImage-Classification.md\n```\n或者在浏览器中打开对应的 `.md` 文件。\n\n### 2. 订阅更新\n为了及时获取最新的论文收录通知，您可以在 GitHub 页面点击 **Watch** 按钮，选择接收每日邮件通知。\n\n### 3. 贡献与反馈\n如果您发现遗漏的重要论文或有改进建议，欢迎参与维护：\n- **提交问题**：在 GitHub 上 open issues。\n- **提交修改**：创建 pull requests 添加新论文或修正链接。\n- **联系作者**：如有疑问或建议，可发送邮件至 `cuixingxing150@gmail.com`。","某自动驾驶算法工程师正在开发新型行人检测模块，急需了解最新的研究进展以优化模型性能。\n\n### 没有 Awesome-CV-MasterHub 时\n- 需要手动在 arXiv 和各大会议官网搜索关键词，信息分散且耗时，经常重复查找相同内容。\n- 难以判断哪些论文是真正最新的，容易遗漏近期顶会成果，导致技术方案落后于业界水平。\n- 即使找到高质量论文，也常因缺少代码链接而无法快速复现或验证效果，增加研究成本。\n- 不同细分领域（如检测与跟踪）的资料混杂，筛选效率极低，浪费大量宝贵研发时间。\n\n### 使用 Awesome-CV-MasterHub 后\n- 直接通过分类目录定位到 Object-Detection 板块，获取经过筛选的精选论文列表，精准匹配需求。\n- 系统自动保留每个区域最新最多 200 篇论文，确保随时掌握最前沿的技术动态和 SOTA 模型。\n- 点击链接即可查看是否提供代码实现，大幅降低复现门槛，加速从理论到实践的转化过程。\n- 开启 Watch 功能接收每日邮件通知，无需频繁刷新 GitHub 页面即可跟进最新更新，保持信息同步。\n\n它让 CV 研究者能高效追踪前沿并快速落地实验，显著提升科研与工程效率。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fcuixing158_Awesome-CV-MasterHub_3aab7a1c.png","cuixing158","崔星星","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fcuixing158_4f677143.jpg","Respect is earned. Honesty is appreciated. Trust is gained. Loyalty is returned.\r\nwechat: TheMatrix150",null,"shenzhen","cuixingxing150@gmail.com","http:\u002F\u002Fcuixing158.github.io\u002Fabout","https:\u002F\u002Fgithub.com\u002Fcuixing158",903,53,"2026-04-03T16:52:19",1,"未说明",{"notes":90,"python":88,"dependencies":91},"该仓库为计算机视觉论文及代码链接的整理列表，本身不包含可执行代码或模型。具体运行环境需求取决于所引用的各个子项目，请查阅对应文档获取详细信息。",[],[14,26,52],[94,95,96,97,98,99,100,101,102,103,104,105,106,107,108,109,110,111,112,113],"awesome","image-captioning","image-classification","image-dehazing","image-denoising","image-enhancement","image-fusion","image-generation","keypoint-detection","object-detection","panoptic-segmentation","pose-estimation","video-generation","video-understanding","vision-transformer","paper-list","papers-with-code","image-segmentation","low-level-vision","paper-code","2026-03-27T02:49:30.150509","2026-04-06T05:38:00.876620",[],[]]