[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-minimaxir--person-blocker":3,"tool-minimaxir--person-blocker":61},[4,18,26,35,44,52],{"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":32,"last_commit_at":50,"category_tags":51,"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",[43,14],{"id":53,"name":54,"github_repo":55,"description_zh":56,"stars":57,"difficulty_score":10,"last_commit_at":58,"category_tags":59,"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",[60,15,13,14],"语言模型",{"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":77,"owner_email":78,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":91,"forks":92,"last_commit_at":93,"license":94,"difficulty_score":32,"env_os":95,"env_gpu":96,"env_ram":95,"env_deps":97,"category_tags":111,"github_topics":79,"view_count":32,"oss_zip_url":79,"oss_zip_packed_at":79,"status":17,"created_at":112,"updated_at":113,"faqs":114,"releases":115},7501,"minimaxir\u002Fperson-blocker","person-blocker","Automatically \"block\" people in images (like Black Mirror) using a pretrained neural network.","person-blocker 是一款能自动给图片中的人物或其他物体打上“马赛克”的开源工具，其效果类似美剧《黑镜》中的隐私屏蔽技术。它主要解决了在公开分享照片时，需要快速保护人物隐私或隐藏特定物体的痛点，无需手动逐个涂抹，极大提升了处理效率。\n\n这款工具非常适合开发者、数据分析师以及对隐私保护有需求的技术爱好者使用。虽然普通用户也能通过命令行操作，但具备一定 Python 基础的用户能获得更佳体验。person-blocker 的核心亮点在于基于预训练的 Mask R-CNN 深度学习模型，不仅无需昂贵的 GPU 支持即可在普通电脑上运行，还具备极高的灵活性：除了默认屏蔽“人”，它还能识别并屏蔽长颈鹿、公交车等高达 80 种不同类别的物体。用户甚至可以指定屏蔽画面中的某个特定个体。只需简单的命令，它就能同时输出静态图和动态 GIF，让隐私处理变得既智能又直观。","# Person Blocker\n\n![img4](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fminimaxir_person-blocker_readme_d7aa32f041b6.gif)\n\nA script to automatically \"block\" people in images (like the [Black Mirror](https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FBlack_Mirror) episode [White Christmas](https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FWhite_Christmas_(Black_Mirror))) using [Mask R-CNN](https:\u002F\u002Fgithub.com\u002Fmatterport\u002FMask_RCNN) pretrained on the [MS COCO](https:\u002F\u002Farxiv.org\u002Fabs\u002F1405.0312) dataset. No GPU required!\n\nBut you can block more than just people: up to [80 different types](https:\u002F\u002Fgithub.com\u002Fminimaxir\u002Fperson-blocker\u002Fblob\u002Fmaster\u002Fclasses.py) of objects can be blocked, including giraffes and busses!\n\n## Setup\n\nThis project relies on a handful of dependencies, use the following command to install your dependencies:\n\n```shell\npip3 install -r requirements.txt\n```\n\n_Note_: Depending on your environment, you may need to use `sudo`. You may also want to use virtualenv.\n\n## Usage\n\nPerson Blocker is used from the command line:\n\n```shell\npython3 person_blocker.py -i images\u002Fimg3.jpg -c '(128, 128, 128)' -o 'bus' 'truck'\n```\n\n* `-i\u002F--image`: specifies the image file.\n* `-m\u002F--model`: path to the pretrained COCO model weights (default: current directory): if not specified, it will download them automatically to the current directory if not already present (note: the weights are 258 MB!)\n* `-c\u002F--color`: color of the mask, in either quote-wrapped hexidecimal or 3-element RGB tuple format. (default: white)\n* `-o\u002F--object`: list of types of objects to block (or object IDs of specific objects). You can see the allowable choices of objects to block in `classes.py` or by using the `-names` flag. (default: person)\n* `-l\u002F--labeled`: saves a labeled image annotated with detected objects and their object ID.\n* `-n\u002F--names`: prints the class options for objects, then exits.\n\nThe script outputs two images: a static (pun intended) image `person_blocked.png` and an animated image `person_blocked.gif` like the one at the beginning of this README.\n\n## Examples\n\n```shell\npython3 person_blocker.py -i images\u002Fimg1.jpg\n```\n\n![img1](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fminimaxir_person-blocker_readme_b351f83c0293.png)\n\n```shell\npython3 person_blocker.py -i images\u002Fimg2.jpg -c '#c0392b' -o 'giraffe'\n```\n\n![img2](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fminimaxir_person-blocker_readme_301e3d11bdbd.png)\n\n```shell\npython3 person_blocker.py -i images\u002Fimg3.jpg -c '(128, 128, 128)' -o 'bus' 'truck'\n```\n\n![img3](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fminimaxir_person-blocker_readme_d6a7322261a0.png)\n\nBlocking specific object(s) requires 2 steps: running in inference mode to get the object IDs for each object, and then blocking those object IDs.\n\n```shell\npython3 person_blocker.py -i images\u002Fimg4.jpg -l\n```\n\n![img4 labels](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fminimaxir_person-blocker_readme_a2b13ceca3d1.png)\n\n```shell\npython3 person_blocker.py -i images\u002Fimg4.jpg -o 1\n```\n\n![img4](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fminimaxir_person-blocker_readme_dbf6aa48be02.png)\n\n## Requirements\n\nThe same requirements as Mask R-CNN:\n* Python 3.4+\n* TensorFlow 1.3+\n* Keras 2.0.8+\n* Numpy, skimage, scipy, Pillow, cython, h5py\n\nplus matplotlib and imageio\n\n## Maintainer\n\nMax Woolf ([@minimaxir](http:\u002F\u002Fminimaxir.com))\n\n*Max's open-source projects are supported by his [Patreon](https:\u002F\u002Fwww.patreon.com\u002Fminimaxir). If you found this project helpful, any monetary contributions to the Patreon are appreciated and will be put to good creative use.*\n\n## License\n\nMIT\n\nCode used from Mask R-CNN by Matterport, Inc. (MIT-Licensed), with minor alterations and copyright notices retained.\n","# 人物屏蔽器\n\n![img4](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fminimaxir_person-blocker_readme_d7aa32f041b6.gif)\n\n一个使用 [Mask R-CNN](https:\u002F\u002Fgithub.com\u002Fmatterport\u002FMask_RCNN)（在 [MS COCO](https:\u002F\u002Farxiv.org\u002Fabs\u002F1405.0312) 数据集上预训练）自动“屏蔽”图像中人物的脚本（类似于 [黑镜](https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FBlack_Mirror) 剧集 [白色圣诞节](https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FWhite_Christmas_(Black_Mirror)))。无需 GPU！\n\n不过，你不仅可以屏蔽人：最多可以屏蔽 [80 种不同类型的物体](https:\u002F\u002Fgithub.com\u002Fminimaxir\u002Fperson-blocker\u002Fblob\u002Fmaster\u002Fclasses.py)，包括长颈鹿和公交车！\n\n## 设置\n\n该项目依赖于一些库，请使用以下命令安装依赖：\n\n```shell\npip3 install -r requirements.txt\n```\n\n_注意_：根据你的环境，可能需要使用 `sudo`。你也可以考虑使用 virtualenv。\n\n## 使用方法\n\nPerson Blocker 通过命令行使用：\n\n```shell\npython3 person_blocker.py -i images\u002Fimg3.jpg -c '(128, 128, 128)' -o 'bus' 'truck'\n```\n\n* `-i\u002F--image`：指定图像文件。\n* `-m\u002F--model`：预训练的 COCO 模型权重路径（默认为当前目录）：如果未指定，脚本会在当前目录下自动下载这些权重（注意：权重大小为 258 MB！）。\n* `-c\u002F--color`：遮罩颜色，可以是带引号的十六进制格式，也可以是 3 元素的 RGB 元组格式。（默认：白色）\n* `-o\u002F--object`：要屏蔽的物体类型列表（或特定物体的 ID）。可在 `classes.py` 中查看允许屏蔽的物体选项，或使用 `-names` 标志查看。（默认：人）\n* `-l\u002F--labeled`：保存带有检测到的物体及其 ID 的标注图像。\n* `-n\u002F--names`：打印物体类别选项，然后退出。\n\n脚本会输出两张图片：一张静态图片 `person_blocked.png`，以及一张动画图片 `person_blocked.gif`，就像本 README 开头的那张一样。\n\n## 示例\n\n```shell\npython3 person_blocker.py -i images\u002Fimg1.jpg\n```\n\n![img1](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fminimaxir_person-blocker_readme_b351f83c0293.png)\n\n```shell\npython3 person_blocker.py -i images\u002Fimg2.jpg -c '#c0392b' -o 'giraffe'\n```\n\n![img2](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fminimaxir_person-blocker_readme_301e3d11bdbd.png)\n\n```shell\npython3 person_blocker.py -i images\u002Fimg3.jpg -c '(128, 128, 128)' -o 'bus' 'truck'\n```\n\n![img3](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fminimaxir_person-blocker_readme_d6a7322261a0.png)\n\n屏蔽特定物体需要两步：首先以推理模式运行以获取每个物体的 ID，然后再屏蔽这些 ID。\n\n```shell\npython3 person_blocker.py -i images\u002Fimg4.jpg -l\n```\n\n![img4 labels](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fminimaxir_person-blocker_readme_a2b13ceca3d1.png)\n\n```shell\npython3 person_blocker.py -i images\u002Fimg4.jpg -o 1\n```\n\n![img4](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fminimaxir_person-blocker_readme_dbf6aa48be02.png)\n\n## 要求\n\n与 Mask R-CNN 相同的要求：\n* Python 3.4+\n* TensorFlow 1.3+\n* Keras 2.0.8+\n* Numpy、skimage、scipy、Pillow、cython、h5py\n\n此外还需要 matplotlib 和 imageio。\n\n## 维护者\n\nMax Woolf ([@minimaxir](http:\u002F\u002Fminimaxir.com))\n\n*Max 的开源项目由他的 [Patreon](https:\u002F\u002Fwww.patreon.com\u002Fminimaxir) 支持。如果你觉得这个项目对你有帮助，欢迎向 Patreon 捐款，所有资金都将用于有意义的创作用途。*\n\n## 许可证\n\nMIT\n\n代码源自 Matterport, Inc. 的 Mask R-CNN（MIT 许可），并保留了少量修改及版权声明。","# Person Blocker 快速上手指南\n\nPerson Blocker 是一个基于 Mask R-CNN 的命令行工具，可自动识别并“遮挡”图像中的人物或其他物体（效果类似《黑镜》剧集）。它支持遮挡多达 80 种对象类型，且无需 GPU 即可运行。\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 \u002F macOS \u002F Windows (需配置相应 Python 环境)\n*   **Python 版本**：3.4 或更高\n*   **核心依赖**：\n    *   TensorFlow 1.3+\n    *   Keras 2.0.8+\n    *   Numpy, skimage, scipy, Pillow, cython, h5py\n    *   matplotlib, imageio\n\n> **提示**：国内用户建议在安装依赖时指定清华或阿里镜像源以加速下载。\n\n## 安装步骤\n\n1.  **克隆项目代码**（如果尚未下载）：\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fminimaxir\u002Fperson-blocker.git\n    cd person-blocker\n    ```\n\n2.  **安装 Python 依赖**：\n    使用 pip 安装所需库。推荐使用国内镜像源加速：\n    ```bash\n    pip3 install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n    ```\n    *注：根据环境权限不同，可能需要在命令前添加 `sudo`，或使用虚拟环境 (virtualenv)。*\n\n3.  **模型权重说明**：\n    首次运行时，脚本会自动下载预训练的 COCO 模型权重（约 258 MB）到当前目录，无需手动操作。\n\n## 基本使用\n\n该工具通过命令行调用。以下是几个典型的使用场景：\n\n### 1. 默认遮挡人物\n最简单的用法是遮挡图片中的所有人（默认行为）：\n```shell\npython3 person_blocker.py -i images\u002Fimg1.jpg\n```\n执行后将生成 `person_blocked.png`（静态图）和 `person_blocked.gif`（动态图）。\n\n### 2. 遮挡特定类型的物体\n您可以指定遮挡其他对象（如长颈鹿、公交车等），并自定义遮挡颜色：\n```shell\n# 遮挡长颈鹿，使用红色遮罩 (#c0392b)\npython3 person_blocker.py -i images\u002Fimg2.jpg -c '#c0392b' -o 'giraffe'\n\n# 遮挡公交车和卡车，使用灰色遮罩 (RGB: 128, 128, 128)\npython3 person_blocker.py -i images\u002Fimg3.jpg -c '(128, 128, 128)' -o 'bus' 'truck'\n```\n\n### 3. 查看支持的对象类型\n查看所有可遮挡的对象类别名称：\n```shell\npython3 person_blocker.py -n\n```\n\n### 4. 精准遮挡特定个体\n若需遮挡图中的某一个特定对象（例如只遮挡左边的某个人），需分两步操作：\n\n*   **第一步**：生成带标签的图片以获取对象 ID。\n    ```shell\n    python3 person_blocker.py -i images\u002Fimg4.jpg -l\n    ```\n    查看生成的 `img4_labels.png`，找到目标对象的 ID（例如 ID 为 1）。\n\n*   **第二步**：使用该 ID 进行遮挡。\n    ```shell\n    python3 person_blocker.py -i images\u002Fimg4.jpg -o 1\n    ```\n\n### 常用参数说明\n*   `-i\u002F--image`: 输入图片路径。\n*   `-o\u002F--object`: 要遮挡的对象类型名称列表或具体对象 ID 列表（默认为 `person`）。\n*   `-c\u002F--color`: 遮罩颜色，支持十六进制（如 `'#ffffff'`）或 RGB 元组（如 `'(255, 255, 255)'`），默认为白色。\n*   `-l\u002F--labeled`: 保存带有检测框和 ID 标注的图片。","某新闻机构在发布街头抗议活动的高清摄影图集前，必须严格保护现场普通民众的肖像隐私以符合法律合规要求。\n\n### 没有 person-blocker 时\n- 设计师需手动打开 Photoshop 逐张识别并框选画面中的人物，面对数百张照片耗时极长。\n- 人工涂抹难以保证边缘精准，容易出现遮挡不全导致隐私泄露，或遮挡过度破坏新闻现场感。\n- 若需对特定车辆或物体进行模糊处理，缺乏自动化工具支持，只能完全依赖人工判断与操作。\n- 团队无法快速响应突发新闻的发布需求，繁琐的修图流程严重拖慢了内容上线速度。\n\n### 使用 person-blocker 后\n- 只需一行命令即可批量自动检测并遮挡图片中的所有人物，将数小时的工作缩短至几分钟。\n- 基于 Mask R-CNN 模型生成的像素级掩码精准贴合人体轮廓，既彻底保护隐私又保留了背景细节。\n- 灵活支持通过参数指定遮挡对象（如公交车、长颈鹿等 80 类物体），无需额外开发即可满足多样化脱敏需求。\n- 自动生成静态图与动态演示 GIF，方便编辑快速预览效果并直接用于发布，大幅提升工作流效率。\n\nperson-blocker 通过预训练神经网络实现了“一键式”智能隐私脱敏，让媒体从业者能在秒级内完成高质量的合规图像处理。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fminimaxir_person-blocker_d7aa32f0.gif","minimaxir","Max Woolf","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fminimaxir_3ab20437.jpg","Senior Data Scientist @buzzfeed. Plotter of pretty charts.","@buzzfeed ","San Francisco","max@minimaxir.com",null,"https:\u002F\u002Fminimaxir.com","https:\u002F\u002Fgithub.com\u002Fminimaxir",[83,87],{"name":84,"color":85,"percentage":86},"Python","#3572A5",99.9,{"name":88,"color":89,"percentage":90},"Shell","#89e051",0.1,2015,209,"2026-04-07T14:01:56","NOASSERTION","未说明","不需要 GPU",{"notes":98,"python":99,"dependencies":100},"首次运行若未指定模型路径，脚本会自动下载约 258 MB 的预训练 COCO 模型权重到当前目录。支持屏蔽多达 80 种不同类型的物体（如人、长颈鹿、公交车等），不仅限于人物。建议使用虚拟环境（virtualenv）安装依赖。","3.4+",[101,102,103,104,105,106,107,108,109,110],"TensorFlow>=1.3","Keras>=2.0.8","Numpy","scikit-image","scipy","Pillow","Cython","h5py","matplotlib","imageio",[15,43],"2026-03-27T02:49:30.150509","2026-04-15T04:36:59.023861",[],[]]