[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-megvii-research--ML-GCN":3,"tool-megvii-research--ML-GCN":62},[4,18,26,35,44,53],{"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},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。",108322,2,"2026-04-10T11:39:34",[14,15,13],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":32,"last_commit_at":41,"category_tags":42,"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",[43,13,15,14],"插件",{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"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",[52,15,13,14],"语言模型",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,61],"视频",{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"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":77,"owner_email":77,"owner_twitter":77,"owner_website":78,"owner_url":79,"languages":80,"stars":85,"forks":86,"last_commit_at":87,"license":77,"difficulty_score":88,"env_os":89,"env_gpu":90,"env_ram":89,"env_deps":91,"category_tags":100,"github_topics":77,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":101,"updated_at":102,"faqs":103,"releases":104},7851,"megvii-research\u002FML-GCN","ML-GCN","PyTorch implementation of Multi-Label Image Recognition with Graph Convolutional Networks, CVPR 2019.","ML-GCN 是一个基于 PyTorch 开发的开源项目，实现了发表于 CVPR 2019 的“利用图卷积网络进行多标签图像识别”算法。它主要解决传统深度学习模型在处理单张图片包含多个物体类别时，难以有效捕捉标签间依赖关系的难题。例如，在识别一张同时含有“天空”和“飞机”的图片时，ML-GCN 能利用图结构学习这些概念之间的关联，从而显著提升识别准确率。\n\n该工具特别适合计算机视觉领域的研究人员和开发者使用，尤其是那些正在探索多标签分类任务或希望复现经典图神经网络论文成果的用户。其核心技术亮点在于巧妙地将图像标签建模为图节点，通过图卷积网络（GCN）动态学习标签间的共现模式与语义依赖。此外，项目在实验中发现并验证了使用全局最大池化（GMP）替代传统的全局平均池化（GAP）作为特征聚合方式，能进一步带来性能提升，这一改进也被整合进了最终方案中。ML-GCN 提供了在 COCO、NUS-WIDE 和 VOC2007 等主流数据集上的预训练模型及完整的评估脚本，方便用户快速上手实验或作为基准参考。","# ML-GCN.pytorch\nPyTorch implementation of [Multi-Label Image Recognition with Graph Convolutional Networks](https:\u002F\u002Farxiv.org\u002Fabs\u002F1904.03582), CVPR 2019.\n\n## Update\n1. In our original conference paper, we report the baseline classification results using GAP for comparison, because GAP is the default choice for feature aggregation in ResNet series. In our experiments, we found that replacing GAP with GMP leads to improved performance, and thus adopt GMP with our GCN method -- we regard GMP as one part of our method. For clarification, we re-run the baselines and here report the corresponding results in the following table.\n\n| Method    | COCO    | NUS-WIDE |VOC2007  |\n|:---------:|:-------:|:-------:|:--------:|\n| Res-101 GAP  | 77.3    |   56.9   |  91.7|\n| Res-101 GMP |  81.9  | 59.7   |  93.0 |\n| Ours        |  83.0  | 62.5   |  94.0 |\n\n\n2. We correct the typos in Eq. (8) as follows.\n\n![](data\u002Fsvg.svg)\n\n### Requirements\nPlease, install the following packages\n- numpy\n- torch-0.3.1\n- torchnet\n- torchvision-0.2.0\n- tqdm\n\n### Download pretrain models\ncheckpoint\u002Fcoco ([GoogleDrive](https:\u002F\u002Fdrive.google.com\u002Fopen?id=1ivLi1Rc-dCUmN1ProcMk76zxF1DSvlIk))\n\ncheckpoint\u002Fvoc ([GoogleDrive](https:\u002F\u002Fdrive.google.com\u002Fopen?id=1lhbmW5g-Mo9KgI07nmc1kwSbEnb6t-YA))\n\nor\n\n[Baidu](https:\u002F\u002Fpan.baidu.com\u002Fs\u002F17j3lTjMRmXvWHT86zhaaVA)\n\n### Options\n- `lr`: learning rate\n- `lrp`: factor for learning rate of pretrained layers. The learning rate of the pretrained layers is `lr * lrp`\n- `batch-size`: number of images per batch\n- `image-size`: size of the image\n- `epochs`: number of training epochs\n- `evaluate`: evaluate model on validation set\n- `resume`: path to checkpoint\n\n### Demo VOC 2007\n```sh\npython3 demo_voc2007_gcn.py data\u002Fvoc --image-size 448 --batch-size 32 -e --resume checkpoint\u002Fvoc\u002Fvoc_checkpoint.pth.tar\n```\n\n### Demo COCO 2014\n```sh\npython3 demo_coco_gcn.py data\u002Fcoco --image-size 448 --batch-size 32 -e --resume checkpoint\u002Fcoco\u002Fcoco_checkpoint.pth.tar\n```\n\n## Citing this repository\nIf you find this code useful in your research, please consider citing us:\n\n```\n@inproceedings{ML-GCN_CVPR_2019,\nauthor = {Zhao-Min Chen and Xiu-Shen Wei and Peng Wang and Yanwen Guo},\ntitle = {{Multi-Label Image Recognition with Graph Convolutional Networks}},\nbooktitle = {The IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},\nyear = {2019}\n}\n```\n## Reference\nThis project is based on https:\u002F\u002Fgithub.com\u002Fdurandtibo\u002Fwildcat.pytorch\n\n## Tips\nIf you have any questions about our work, please do not hesitate to contact us by emails.\n","# ML-GCN.pytorch\n基于图卷积网络的多标签图像识别的 PyTorch 实现，相关论文发表于 CVPR 2019，论文链接：[arXiv:1904.03582](https:\u002F\u002Farxiv.org\u002Fabs\u002F1904.03582)。\n\n## 更新说明\n1. 在我们最初的会议论文中，为了便于对比，我们使用 GAP 作为基线分类结果进行报告，因为 GAP 是 ResNet 系列中默认的特征聚合方式。然而，在实验过程中，我们发现用 GMP 替代 GAP 能够进一步提升性能，因此在我们的 GCN 方法中采用了 GMP，并将其视为方法的一部分。为澄清这一点，我们重新运行了基线模型，并在下表中报告了相应结果。\n\n| 方法        | COCO    | NUS-WIDE | VOC2007  |\n|:-----------:|:-------:|:-------:|:--------:|\n| Res-101 GAP  | 77.3    |   56.9   |  91.7|\n| Res-101 GMP |  81.9  | 59.7   |  93.0 |\n| 我们的方法        |  83.0  | 62.5   |  94.0 |\n\n2. 我们已修正公式 (8) 中的拼写错误，具体如下：\n\n![](data\u002Fsvg.svg)\n\n### 环境要求\n请安装以下 Python 包：\n- numpy\n- torch==0.3.1\n- torchnet\n- torchvision==0.2.0\n- tqdm\n\n### 下载预训练模型\nCOCO 数据集的检查点文件（Google Drive 链接）：[GoogleDrive](https:\u002F\u002Fdrive.google.com\u002Fopen?id=1ivLi1Rc-dCUmN1ProcMk76zxF1DSvlIk)\n\nVOC 数据集的检查点文件（Google Drive 链接）：[GoogleDrive](https:\u002F\u002Fdrive.google.com\u002Fopen?id=1lhbmW5g-Mo9KgI07nmc1kwSbEnb6t-YA)\n\n或者百度网盘链接：[Baidu](https:\u002F\u002Fpan.baidu.com\u002Fs\u002F17j3lTjMRmXvWHT86zhaaVA)\n\n### 使用选项\n- `lr`: 学习率\n- `lrp`: 预训练层学习率的缩放因子。预训练层的学习率为 `lr * lrp`。\n- `batch-size`: 每个批次的图片数量\n- `image-size`: 图片的输入尺寸\n- `epochs`: 训练轮数\n- `evaluate`: 在验证集上评估模型\n- `resume`: 恢复训练时的检查点路径\n\n### VOC 2007 数据集示例\n```sh\npython3 demo_voc2007_gcn.py data\u002Fvoc --image-size 448 --batch-size 32 -e --resume checkpoint\u002Fvoc\u002Fvoc_checkpoint.pth.tar\n```\n\n### COCO 2014 数据集示例\n```sh\npython3 demo_coco_gcn.py data\u002Fcoco --image-size 448 --batch-size 32 -e --resume checkpoint\u002Fcoco\u002Fcoco_checkpoint.pth.tar\n```\n\n## 引用本仓库\n如果您在研究中使用了本代码，请考虑引用我们：\n\n```\n@inproceedings{ML-GCN_CVPR_2019,\nauthor = {Zhao-Min Chen and Xiu-Shen Wei and Peng Wang and Yanwen Guo},\ntitle = {{Multi-Label Image Recognition with Graph Convolutional Networks}},\nbooktitle = {The IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},\nyear = {2019}\n}\n```\n\n## 参考\n本项目基于 https:\u002F\u002Fgithub.com\u002Fdurandtibo\u002Fwildcat.pytorch 开发。\n\n## 温馨提示\n如您对我们的工作有任何疑问，请随时通过电子邮件与我们联系。","# ML-GCN 快速上手指南\n\nML-GCN 是基于 PyTorch 实现的图卷积网络多标签图像识别工具，源自 CVPR 2019 论文。本指南帮助你快速配置环境并运行演示。\n\n## 环境准备\n\n**系统要求**\n- Python 3.x\n- Linux 或 macOS 系统（Windows 需自行配置兼容环境）\n\n**前置依赖**\n请确保安装以下核心包：\n- `numpy`\n- `torch` (推荐版本 0.3.1，高版本可能需调整代码)\n- `torchnet`\n- `torchvision` (推荐版本 0.2.0)\n- `tqdm`\n\n> **注意**：由于项目基于较旧版本的 PyTorch (0.3.1)，若使用新版 PyTorch，可能需要修改部分 API 调用以适配。\n\n## 安装步骤\n\n1. **安装 Python 依赖**\n   使用 pip 安装所需库：\n   ```bash\n   pip install numpy torchnet torchvision==0.2.0 tqdm\n   ```\n   \n   *注：PyTorch 0.3.1 已停止官方维护，建议通过源码编译或使用兼容的新版 PyTorch 并进行代码适配。*\n\n2. **下载预训练模型**\n   项目提供 COCO 和 VOC2007 数据集的预训练权重。国内用户推荐使用百度网盘下载：\n   \n   - **COCO 模型**: [百度网盘下载](https:\u002F\u002Fpan.baidu.com\u002Fs\u002F17j3lTjMRmXvWHT86zhaaVA)\n   - **VOC2007 模型**: [百度网盘下载](https:\u002F\u002Fpan.baidu.com\u002Fs\u002F17j3lTjMRmXvWHT86zhaaVA) (同上链接，需在网盘内查找对应文件)\n   \n   下载后，将解压后的文件夹分别放置于项目根目录下的 `checkpoint\u002Fcoco` 和 `checkpoint\u002Fvoc` 路径中。\n\n3. **准备数据集**\n   确保已下载 VOC2007 或 COCO2014 数据集，并按以下结构存放：\n   - `data\u002Fvoc`\n   - `data\u002Fcoco`\n\n## 基本使用\n\n以下命令展示了如何使用预训练模型在验证集上进行评估（Demo）。\n\n**评估 VOC2007 数据集**\n```sh\npython3 demo_voc2007_gcn.py data\u002Fvoc --image-size 448 --batch-size 32 -e --resume checkpoint\u002Fvoc\u002Fvoc_checkpoint.pth.tar\n```\n\n**评估 COCO2014 数据集**\n```sh\npython3 demo_coco_gcn.py data\u002Fcoco --image-size 448 --batch-size 32 -e --resume checkpoint\u002Fcoco\u002Fcoco_checkpoint.pth.tar\n```\n\n**常用参数说明**\n- `--image-size`: 输入图像尺寸（默认 448）\n- `--batch-size`: 批处理大小\n- `-e` 或 `--evaluate`: 仅执行评估模式，不进行训练\n- `--resume`: 指定预训练权重路径","某电商平台的算法团队正在构建一个自动化的商品图像标签系统，需要从海量服装图片中精准识别同时存在的多种属性（如“红色”、“条纹”、“长袖”、“棉质”）。\n\n### 没有 ML-GCN 时\n- **忽略标签关联**：传统模型将每个标签视为独立任务，无法理解“沙滩裙”与“度假”常同时出现，导致漏检高频共现属性。\n- **长尾识别困难**：对于训练数据较少的稀有组合（如“亮片”加“晚礼服”），模型因缺乏上下文支撑，预测准确率极低。\n- **特征聚合粗糙**：使用全局平均池化（GAP）压缩图像特征时，容易淹没关键细节，导致细微特征（如领口形状）被背景噪声干扰。\n- **误报率高**：在复杂背景下，模型常错误地给单标签图片强加不相关的常见标签，缺乏逻辑约束机制。\n\n### 使用 ML-GCN 后\n- **建模依赖关系**：ML-GCN 利用图卷积网络构建标签间的有向图，自动学习“西装”通常搭配“领带”的概率，显著提升共现标签的召回率。\n- **增强小样本表现**：通过图结构传递信息，稀有标签能借助强相关的主流标签获得特征增强，大幅改善长尾分布下的识别效果。\n- **精细化特征提取**：结合全局最大池化（GMP）与图推理，模型能聚焦图像中最具判别力的区域，有效区分相似材质的细微差别。\n- **逻辑自洽预测**：基于标签间的拓扑结构进行推理，自动抑制违反常识的组合（如“短袖”与“厚羽绒服”同时存在），降低误报率。\n\nML-GCN 通过将独立的标签分类转化为图推理问题，让机器像人类一样理解事物间的内在联系，从而实现了多标签识别精度的质的飞跃。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmegvii-research_ML-GCN_615b66ff.png","megvii-research","MEGVII Research","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fmegvii-research_9dd88987.png","Power Human with AI. 持续创新拓展认知边界 非凡科技成就产品价值",null,"https:\u002F\u002Fwww.megvii.com\u002F","https:\u002F\u002Fgithub.com\u002Fmegvii-research",[81],{"name":82,"color":83,"percentage":84},"Python","#3572A5",100,1453,353,"2026-04-10T14:31:10",4,"未说明","未说明（基于 PyTorch 0.3.1，通常建议配备支持 CUDA 的 NVIDIA GPU）",{"notes":92,"python":93,"dependencies":94},"该项目基于较旧的 PyTorch 版本 (0.3.1) 和 torchvision (0.2.0)，在现代环境中直接安装可能遇到兼容性问题，建议构建隔离的旧版环境运行。运行演示前需手动从 Google Drive 或百度网盘下载预训练模型文件至 checkpoint 目录。代码针对 VOC2007 和 COCO2014 数据集进行了测试。","3.x (README 示例中使用 python3，且依赖 torch-0.3.1，推测兼容 Python 3.5-3.6)",[95,96,97,98,99],"numpy","torch==0.3.1","torchnet","torchvision==0.2.0","tqdm",[15],"2026-03-27T02:49:30.150509","2026-04-16T08:12:33.892347",[],[]]