[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-navervision--mlsd":3,"tool-navervision--mlsd":64},[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。",107888,2,"2026-04-06T11:32:50",[14,15,13],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":10,"last_commit_at":41,"category_tags":42,"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",[43,15,13,14],"语言模型",{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"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",[14,15,13,52],"视频",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},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。",85013,"2026-04-06T11:09:19",[15,16,52,61,13,62,43,14,63],"插件","其他","音频",{"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":79,"owner_email":79,"owner_twitter":79,"owner_website":79,"owner_url":80,"languages":81,"stars":94,"forks":95,"last_commit_at":96,"license":97,"difficulty_score":32,"env_os":98,"env_gpu":99,"env_ram":98,"env_deps":100,"category_tags":108,"github_topics":79,"view_count":32,"oss_zip_url":79,"oss_zip_packed_at":79,"status":17,"created_at":109,"updated_at":110,"faqs":111,"releases":147},4788,"navervision\u002Fmlsd","mlsd","Official Tensorflow implementation of \"M-LSD: Towards Light-weight and Real-time Line Segment Detection\" (AAAI 2022 Oral)","M-LSD 是一款专为资源受限环境设计的轻量级、实时线段检测工具，源自 AAAI 2022 的口头报告论文。它主要解决了传统线段检测算法计算量大、速度慢，难以在移动端或低算力设备上流畅运行的痛点。无论是研究人员需要验证算法效率，还是开发者希望在手机、嵌入式设备中集成视觉功能，M-LSD 都能提供理想的解决方案。\n\n该工具的核心亮点在于其极高效的架构设计与创新的训练策略，包括独特的 SoL 数据增强技术和几何学习方案。这使得 M-LSD 不仅能在 GPU 上实现实时处理，在 CPU 甚至移动设备上也能保持出色的推理速度与低内存占用。官方提供了完整的 TensorFlow 实现，并已将模型转换为 TFLite 格式，无需独立显卡即可运行。此外，项目还集成了基于 Gradio 的交互式演示和 Colab 笔记本，方便用户快速上手体验线段及方框检测效果。对于追求高性能与低功耗平衡的计算机视觉应用，M-LSD 是一个值得尝试的开源选择。","# M-LSD: Towards Light-weight and Real-time Line Segment Detection\n\nOfficial Tensorflow implementation of *\"M-LSD: Towards Light-weight and Real-time Line Segment Detection\"* (AAAI 2022 Oral session)\n\n**Geonmo Gu\\*, Byungsoo Ko\\*, SeoungHyun Go, Sung-Hyun Lee, Jingeun Lee, Minchul Shin**\n(* Authors contributed equally.)\n\n@NAVER\u002FLINE Vision\n\n[Paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2106.00186) | [Colab](https:\u002F\u002Fcolab.research.google.com\u002Fgist\u002Fgeonm\u002F16b7e4bad577511d2313bf0337029bfc\u002Fmlsd_demo.ipynb) | [PPT](https:\u002F\u002Fwww.slideshare.net\u002FByungSooKo1\u002Ftowards-lightweight-and-realtime-line-segment-detection)\n\n Integrated to [Huggingface Spaces](https:\u002F\u002Fhuggingface.co\u002Fspaces) with [Gradio](https:\u002F\u002Fgithub.com\u002Fgradio-app\u002Fgradio). See demo: [![Hugging Face Spaces](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F%F0%9F%A4%97%20Hugging%20Face-Spaces-blue)](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002Fnavervision\u002FMLSD)\n\n\u003Cimg src=\".github\u002Fmlsd_demo.gif\" height=\"400\">\n\n## Overview\n\u003Cp float=\"left\">\n  \u003Cimg src=\".github\u002Fteaser.png\" height=\"250\">\n  \u003Cimg src=\".github\u002Fmlsd_mobile.png\" height=\"250\">\n\u003C\u002Fp>\n\n\n**First figure**: Comparison of M-LSD and existing LSD methods on *GPU*.\n**Second figure**: Inference speed and memory usage on *mobile devices*.\n\nWe present a real-time and light-weight line segment detector for resource-constrained environments named *Mobile LSD (M-LSD)*.\nM-LSD exploits extremely efficient LSD architecture and novel training schemes, including SoL augmentation and geometric learning scheme.\nOur model can run in real-time on *GPU*, *CPU*, and even on *mobile devices*.\n\n## Line segment & box detection demo\n\u003Cimg src=\".github\u002Fdemo_public.png\" height=\"500\">\n\nWe prepared a line segment and box detection demo using M-LSD models. This demo is developed based on python flask, making it easy to see results through a web browser such as Google Chrome.\n\nAll M-LSD family are already converted to tflite models. Because it uses tflite models, it does not require a GPU to run the demo.\n\nNote that we make the model to receive RGBA images (A is for alpha channel) as input to the model when converting the tensorflow model to the tflite model, in order to follow [**TIPs for optimization to mobile gpu**](https:\u002F\u002Fwww.tensorflow.org\u002Flite\u002Fperformance\u002Fgpu#tips_for_optimization).\n\nDon't worry about alpha channel. In a stem layer of tflite models, all zero convolutional kernel is applied to alpha channel. Thus, results are same regardless of the value of alpha channel.\n\nPost-processing codes for a box detection are built in Numpy. If you consider to run this box dectector on mobile devices, we recommend porting post-processing codes to [eigen3](https:\u002F\u002Feigen.tuxfamily.org\u002Findex.php?title=Main_Page)-based codes.\n\n\u003Cp float=\"left\">\n  \u003Cimg src=\".github\u002Frealtime_demo1.gif\" height=\"240\">\n  \u003Cimg src=\".github\u002Frealtime_demo2.gif\" height=\"240\">\n  \u003Cimg src=\".github\u002Frealtime_demo3.gif\" height=\"240\">\n\u003C\u002Fp>\n\n*Above examples are captured using M-LSD tiny with 512 input size*\n\n### How to run demo\n#### Install requirements\n```\n$ pip install -r requirements.txt\n```\n#### Run line segment and box detector demo\n```\n$ python demo_MLSD.py\n```\n\n#### Run line segment detector demo with gradio\n```\n$ python linedemo.py\n```\n\n### Colab notebook\nYou can jump right into line segment and box detection using M-LSD with our [Colab notebook](https:\u002F\u002Fcolab.research.google.com\u002Fgist\u002Fgeonm\u002F16b7e4bad577511d2313bf0337029bfc\u002Fmlsd_demo.ipynb).\nThe notebook supports interactive UI with [Gradio](https:\u002F\u002Fgradio.app\u002F) as below.\n\n\u003Cimg src=\".github\u002Fgradio_example.png\" height=\"350\">\n\n### Pytorch demo\nhttps:\u002F\u002Fgithub.com\u002Flhwcv\u002Fmlsd_pytorch (by [lhwcv](https:\u002F\u002Fgithub.com\u002Flhwcv))\n\n## How to convert ckpt models to tflite models\nNOTE: When using **Tensorflow 2.3.0 version**, tflite converter can convert the ckpt models without any problem.\n```\n# M-LSD_512_large_fp32 with RGBA input\npython frozen_models.py \\\n--model_path=.\u002Fckpt_models\u002FM-LSD_512_large \\\n--model_tflite_path=.\u002Ftflite_models\u002FM-LSD_512_large_fp32.tflite \\\n--input_size=512 \\\n--map_size=256 \\\n--batch_size=1 \\\n--dilate=5 \\\n--with_alpha=True \\\n--backbone_type=MLSD_large \\\n--topk=200 \\\n--fp16=False\n\n# M-LSD_320_large_fp32 with RGBA input\npython frozen_models.py \\\n--model_path=.\u002Fckpt_models\u002FM-LSD_320_large \\\n--model_tflite_path=.\u002Ftflite_models\u002FM-LSD_320_large_fp32.tflite \\\n--input_size=320 \\\n--map_size=160 \\\n--batch_size=1 \\\n--dilate=5 \\\n--with_alpha=True \\\n--backbone_type=MLSD_large \\\n--topk=200 \\\n--fp16=False\n\n# M-LSD_512_tiny_fp32 with RGBA input\npython frozen_models.py \\\n--model_path=.\u002Fckpt_models\u002FM-LSD_512_tiny \\\n--model_tflite_path=.\u002Ftflite_models\u002FM-LSD_512_tiny_fp32.tflite \\\n--input_size=512 \\\n--map_size=256 \\\n--batch_size=1 \\\n--dilate=5 \\\n--with_alpha=True \\\n--backbone_type=MLSD \\\n--topk=200 \\\n--fp16=False\n\n# M-LSD_320_tiny_fp32 with RGBA input\npython frozen_models.py \\\n--model_path=.\u002Fckpt_models\u002FM-LSD_320_tiny \\\n--model_tflite_path=.\u002Ftflite_models\u002FM-LSD_320_tiny_fp32.tflite \\\n--input_size=512 \\\n--map_size=256 \\\n--batch_size=1 \\\n--dilate=5 \\\n--with_alpha=True \\\n--backbone_type=MLSD \\\n--topk=200 \\\n--fp16=False\n```\n\n## Citation\nIf you find *M-LSD* useful in your project, please consider to cite the following paper.\n\n```\n@inproceedings{gu2021realtime,\n    title={Towards Light-weight and Real-time Line Segment Detection},\n    author={Geonmo Gu and Byungsoo Ko and SeoungHyun Go and Sung-Hyun Lee and Jingeun Lee and Minchul Shin},\n    booktitle={Proceedings of the AAAI Conference on Artificial Intelligence},\n    year={2022},\n}\n```\n\n## License\n```\nCopyright 2021-present NAVER Corp.\n\nLicensed under the Apache License, Version 2.0 (the \"License\");\nyou may not use this file except in compliance with the License.\nYou may obtain a copy of the License at\n\n    http:\u002F\u002Fwww.apache.org\u002Flicenses\u002FLICENSE-2.0\n\nUnless required by applicable law or agreed to in writing, software\ndistributed under the License is distributed on an \"AS IS\" BASIS,\nWITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.\nSee the License for the specific language governing permissions and\nlimitations under the License.\n```\n","# M-LSD：迈向轻量级与实时线段检测\n\n官方 TensorFlow 实现，对应论文《M-LSD：迈向轻量级与实时线段检测》（AAAI 2022 口头报告）\n\n**Geonmo Gu\\*, Byungsoo Ko\\*, SeoungHyun Go, Sung-Hyun Lee, Jingeun Lee, Minchul Shin**\n(* 共同第一作者。)\n\n@NAVER\u002FLINE Vision\n\n[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2106.00186) | [Colab](https:\u002F\u002Fcolab.research.google.com\u002Fgist\u002Fgeonm\u002F16b7e4bad577511d2313bf0337029bfc\u002Fmlsd_demo.ipynb) | [PPT](https:\u002F\u002Fwww.slideshare.net\u002FByungSooKo1\u002Ftowards-lightweight-and-realtime-line-segment-detection)\n\n集成至 [Huggingface Spaces](https:\u002F\u002Fhuggingface.co\u002Fspaces)，使用 [Gradio](https:\u002F\u002Fgithub.com\u002Fgradio-app\u002Fgradio) 框架。查看演示：[![Hugging Face Spaces](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F%F0%9F%A4%97%20Hugging%20Face-Spaces-blue)](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002Fnavervision\u002FMLSD)\n\n\u003Cimg src=\".github\u002Fmlsd_demo.gif\" height=\"400\">\n\n## 概述\n\u003Cp float=\"left\">\n  \u003Cimg src=\".github\u002Fteaser.png\" height=\"250\">\n  \u003Cimg src=\".github\u002Fmlsd_mobile.png\" height=\"250\">\n\u003C\u002Fp>\n\n\n**第一张图**：M-LSD 与现有 LSD 方法在 *GPU* 上的对比。\n**第二张图**：在 *移动设备* 上的推理速度和内存占用情况。\n\n我们提出了一种适用于资源受限环境的实时、轻量级线段检测器，名为 *Mobile LSD (M-LSD)*。M-LSD 采用了极其高效的 LSD 架构，并结合了新颖的训练策略，包括 SoL 数据增强和几何学习方案。我们的模型能够在 *GPU*、*CPU*，甚至 *移动设备* 上实现实时运行。\n\n## 线段与边界框检测演示\n\u003Cimg src=\".github\u002Fdemo_public.png\" height=\"500\">\n\n我们基于 M-LSD 模型准备了一个线段与边界框检测演示。该演示采用 Python Flask 开发，便于通过 Google Chrome 等浏览器查看结果。\n\n所有 M-LSD 系列模型均已转换为 TFLite 格式。由于使用 TFLite 模型，运行该演示无需 GPU 支持。\n\n需要注意的是，在将 TensorFlow 模型转换为 TFLite 模型时，我们特意将输入设置为 RGBA 图像（A 表示 Alpha 通道），以遵循 [**针对移动 GPU 的优化建议**](https:\u002F\u002Fwww.tensorflow.org\u002Flite\u002Fperformance\u002Fgpu#tips_for_optimization)。不过，请不必担心 Alpha 通道的影响——在 TFLite 模型的 Stem 层中，会对 Alpha 通道应用全零卷积核，因此无论 Alpha 通道取何值，最终结果均不受影响。\n\n用于边界框检测的后处理代码基于 NumPy 实现。若计划在移动设备上运行此边界框检测器，建议将后处理代码移植到基于 [eigen3](https:\u002F\u002Feigen.tuxfamily.org\u002Findex.php?title=Main_Page) 的实现中。\n\n\u003Cp float=\"left\">\n  \u003Cimg src=\".github\u002Frealtime_demo1.gif\" height=\"240\">\n  \u003Cimg src=\".github\u002Frealtime_demo2.gif\" height=\"240\">\n  \u003Cimg src=\".github\u002Frealtime_demo3.gif\" height=\"240\">\n\u003C\u002Fp>\n\n*以上示例由 M-LSD tiny 模型拍摄，输入尺寸为 512*\n\n### 如何运行演示\n#### 安装依赖\n```\n$ pip install -r requirements.txt\n```\n#### 运行线段与边界框检测演示\n```\n$ python demo_MLSD.py\n```\n\n#### 使用 Gradio 运行线段检测演示\n```\n$ python linedemo.py\n```\n\n### Colab 笔记本\n您可以通过我们的 [Colab 笔记本](https:\u002F\u002Fcolab.research.google.com\u002Fgist\u002Fgeonm\u002F16b7e4bad577511d2313bf0337029bfc\u002Fmlsd_demo.ipynb)，直接体验 M-LSD 的线段与边界框检测功能。该笔记本支持交互式 UI，借助 [Gradio](https:\u002F\u002Fgradio.app\u002F) 实现，如下所示：\n\n\u003Cimg src=\".github\u002Fgradio_example.png\" height=\"350\">\n\n### PyTorch 演示\nhttps:\u002F\u002Fgithub.com\u002Flhwcv\u002Fmlsd_pytorch（由 [lhwcv](https:\u002F\u002Fgithub.com\u002Flhwcv) 提供）\n\n## 如何将 Checkpoint 模型转换为 TFLite 模型\n注意：当使用 **TensorFlow 2.3.0 版本**时，TFLite 转换器可以顺利将 Checkpoint 模型转换为 TFLite 格式。\n```\n# M-LSD_512_large_fp32，RGBA 输入\npython frozen_models.py \\\n--model_path=.\u002Fckpt_models\u002FM-LSD_512_large \\\n--model_tflite_path=.\u002Ftflite_models\u002FM-LSD_512_large_fp32.tflite \\\n--input_size=512 \\\n--map_size=256 \\\n--batch_size=1 \\\n--dilate=5 \\\n--with_alpha=True \\\n--backbone_type=MLSD_large \\\n--topk=200 \\\n--fp16=False\n\n# M-LSD_320_large_fp32，RGBA 输入\npython frozen_models.py \\\n--model_path=.\u002Fckpt_models\u002FM-LSD_320_large \\\n--model_tflite_path=.\u002Ftflite_models\u002FM-LSD_320_large_fp32.tflite \\\n--input_size=320 \\\n--map_size=160 \\\n--batch_size=1 \\\n--dilate=5 \\\n--with_alpha=True \\\n--backbone_type=MLSD_large \\\n--topk=200 \\\n--fp16=False\n\n# M-LSD_512_tiny_fp32，RGBA 输入\npython frozen_models.py \\\n--model_path=.\u002Fckpt_models\u002FM-LSD_512_tiny \\\n--model_tflite_path=.\u002Ftflite_models\u002FM-LSD_512_tiny_fp32.tflite \\\n--input_size=512 \\\n--map_size=256 \\\n--batch_size=1 \\\n--dilate=5 \\\n--with_alpha=True \\\n--backbone_type=MLSD \\\n--topk=200 \\\n--fp16=False\n\n# M-LSD_320_tiny_fp32，RGBA 输入\npython frozen_models.py \\\n--model_path=.\u002Fckpt_models\u002FM-LSD_320_tiny \\\n--model_tflite_path=.\u002Ftflite_models\u002FM-LSD_320_tiny_fp32.tflite \\\n--input_size=512 \\\n--map_size=256 \\\n--batch_size=1 \\\n--dilate=5 \\\n--with_alpha=True \\\n--backbone_type=MLSD \\\n--topk=200 \\\n--fp16=False\n```\n\n## 引用\n如果您在项目中使用了 *M-LSD*，请考虑引用以下论文：\n\n```\n@inproceedings{gu2021realtime,\n    title={Towards Light-weight and Real-time Line Segment Detection},\n    author={Geonmo Gu and Byungsoo Ko and SeoungHyun Go and Sung-Hyun Lee and Jingeun Lee and Minchul Shin},\n    booktitle={Proceedings of the AAAI Conference on Artificial Intelligence},\n    year={2022},\n}\n```\n\n## 许可证\n```\n版权所有 © 2021 年至今 NAVER Corp.\n\n根据 Apache License, Version 2.0（“许可证”）授权。除非遵守许可证条款，否则不得使用本文件。您可以在以下网址获取许可证副本：\n\n    http:\u002F\u002Fwww.apache.org\u002Flicenses\u002FLICENSE-2.0\n\n除非适用法律要求或书面同意，否则软件按“原样”分发，不提供任何形式的保证或条件。有关权限和限制的具体内容，请参阅许可证。\n```","# M-LSD 快速上手指南\n\nM-LSD (Mobile Line Segment Detector) 是一个轻量级、实时的线段检测模型，专为资源受限环境（如移动端、CPU）设计，同时也能在 GPU 上高效运行。本项目基于 TensorFlow 实现，并提供了转换为 TFLite 模型的完整流程。\n\n## 环境准备\n\n*   **操作系统**: Linux, macOS, Windows\n*   **Python 版本**: 推荐 Python 3.6 - 3.8\n*   **核心依赖**:\n    *   TensorFlow (官方测试版本为 **2.3.0**，此版本转换 TFLite 模型最稳定)\n    *   NumPy\n    *   OpenCV-Python\n    *   Flask (用于 Web Demo)\n    *   Gradio (用于交互式 Demo)\n\n> **国内加速建议**：\n> 安装依赖时，建议使用清华或阿里镜像源以提升下载速度：\n> `pip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`\n\n## 安装步骤\n\n1.  **克隆仓库**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fnaver-ai\u002Fmlsd.git\n    cd mlsd\n    ```\n\n2.  **安装依赖**\n    ```bash\n    pip install -r requirements.txt\n    ```\n    *注：若需手动指定 TensorFlow 版本以确保模型转换兼容性，可执行：*\n    ```bash\n    pip install tensorflow==2.3.0\n    ```\n\n3.  **获取预训练模型**\n    确保 `ckpt_models` 目录下包含官方提供的预训练权重文件（通常需从发布页下载或通过 Colab 获取）。\n\n## 基本使用\n\n### 1. 运行线段与方框检测 Demo (Web 版)\n这是最简单的体验方式，启动后会通过浏览器展示检测结果。该 Demo 基于 Flask，默认使用已转换好的 TFLite 模型，**无需 GPU** 即可运行。\n\n```bash\npython demo_MLSD.py\n```\n启动后，在浏览器访问显示的本地地址（通常为 `http:\u002F\u002F127.0.0.1:5000`），上传图片即可查看线段和方框检测结果。\n\n### 2. 运行交互式 Demo (Gradio 版)\n如果你更喜欢简洁的交互式界面，可以使用 Gradio 启动：\n\n```bash\npython linedemo.py\n```\n\n### 3. 在线体验 (Colab)\n如果不想配置本地环境，可以直接使用 Google Colab 笔记本进行尝试，支持交互式 UI：\n*   [M-LSD Colab Notebook](https:\u002F\u002Fcolab.research.google.com\u002Fgist\u002Fgeonm\u002F16b7e4bad577511d2313bf0337029bfc\u002Fmlsd_demo.ipynb)\n\n### 4. 模型转换 (进阶)\n如需将检查点 (`.ckpt`) 模型转换为移动端可用的 `.tflite` 格式，请使用以下命令（以 `M-LSD_512_large` 为例）：\n\n```bash\npython frozen_models.py \\\n--model_path=.\u002Fckpt_models\u002FM-LSD_512_large \\\n--model_tflite_path=.\u002Ftflite_models\u002FM-LSD_512_large_fp32.tflite \\\n--input_size=512 \\\n--map_size=256 \\\n--batch_size=1 \\\n--dilate=5 \\\n--with_alpha=True \\\n--backbone_type=MLSD_large \\\n--topk=200 \\\n--fp16=False\n```\n*注意：模型输入被设计为 RGBA 格式以优化移动端 GPU 性能，但 Alpha 通道在内部会被零卷积核处理，因此输入 RGB 或 RGBA 图像结果一致。*","某工业质检团队正在开发一套部署在产线边缘设备上的实时文档扫描与形变矫正系统，需要精准提取纸张边缘直线以进行透视变换。\n\n### 没有 mlsd 时\n- **算力瓶颈严重**：传统线段检测算法（如 LSD）计算量过大，在资源受限的嵌入式工控机上无法达到实时帧率，导致流水线卡顿。\n- **内存占用过高**：现有模型显存\u002F内存需求大，难以在移动端或低配边缘盒子上运行，迫使团队升级硬件成本。\n- **抗干扰能力弱**：在工厂复杂光照或背景杂乱环境下，容易检测到大量噪声线段，后续筛选逻辑复杂且不稳定。\n- **部署流程繁琐**：缺乏原生支持的轻量级格式，模型转换到移动端推理引擎（如 TFLite）时经常出错或精度损失严重。\n\n### 使用 mlsd 后\n- **实现真正实时检测**：mlsd 凭借极高效的架构，在 CPU 甚至移动设备上也能流畅运行，完美匹配产线高速流转需求。\n- **极低资源消耗**：作为专为轻量化设计的模型，mlsd 大幅降低了内存占用，使得旧款边缘设备也能轻松承载算法。\n- **几何特征更精准**：通过独特的几何学习方案和 SoL 增强训练，mlsd 能过滤背景噪声，精准锁定纸张边缘等关键直线。\n- **端侧部署无缝衔接**：官方直接提供转换好的 TFLite 模型，支持 RGBA 输入优化，团队可直接集成到安卓手持终端或嵌入式系统中。\n\nmlsd 将高精度的线段检测能力从高性能 GPU 服务器成功“下放”到廉价的移动终端，让实时视觉质检在资源受限场景成为可能。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fnavervision_mlsd_9598e4cc.gif","navervision","NAVER\u002FLINE Vision","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fnavervision_c7b16382.png","Open source repository of Vision, NAVER & LINE",null,"https:\u002F\u002Fgithub.com\u002Fnavervision",[82,86,90],{"name":83,"color":84,"percentage":85},"Python","#3572A5",93.3,{"name":87,"color":88,"percentage":89},"HTML","#e34c26",6.5,{"name":91,"color":92,"percentage":93},"CSS","#663399",0.2,606,91,"2026-03-18T07:26:06","Apache-2.0","未说明","非必需。官方实现基于 TensorFlow，支持在 GPU、CPU 及移动设备上运行。演示程序使用转换后的 TFLite 模型，无需 GPU 即可运行。",{"notes":101,"python":98,"dependencies":102},"1. 该工具专为资源受限环境设计，轻量且实时，可在移动端运行。\n2. 提供的 TFLite 模型输入格式为 RGBA（包含 Alpha 通道），但在模型底层已对 Alpha 通道应用零卷积核，因此输入图像的 Alpha 值不影响结果。\n3. 官方特别指出使用 TensorFlow 2.3.0 版本可无障碍地将 ckpt 模型转换为 tflite 模型。\n4. 框检测的后处理代码基于 Numpy 编写，若需在移动端部署，建议将其移植为基于 Eigen3 的代码以提升性能。",[103,104,105,106,107],"tensorflow==2.3.0 (推荐用于模型转换)","tflite","numpy","flask","gradio",[15],"2026-03-27T02:49:30.150509","2026-04-07T10:51:36.186030",[112,117,122,127,132,137,142],{"id":113,"question_zh":114,"answer_zh":115,"source_url":116},21747,"如何在 Linux 上从头开始安装并运行 MLSD Web UI？","请按照以下步骤操作：\n1. 更新系统并重启：\n   apt update\n   apt upgrade\n   shutdown -r now\n2. 安装依赖：\n   apt install python3-pip\n   pip install gradio\n   sudo apt install libgl1-mesa-glx\n3. 克隆项目并安装要求：\n   git clone https:\u002F\u002Fgithub.com\u002FAK391\u002Fmlsd.git\n   cd mlsd\n   pip install -r requirements.txt\n4. 运行演示脚本：\n   python3 demo_MLSD.py","https:\u002F\u002Fgithub.com\u002Fnavervision\u002Fmlsd\u002Fissues\u002F6",{"id":118,"question_zh":119,"answer_zh":120,"source_url":121},21748,"为什么 MLSD 模型的推理速度比 SSD MobileNet 慢？报告的 FPS 是在 GPU 上实现的吗？","MLSD 模型确实比 SSD MobileNet 慢。虽然两者都使用了修改版的 MobileNet 作为骨干网络，但 MLSD 设计了一个类似 U-Net 的解码器部分，这需要比 SSD 更高的计算成本。此外，MLSD 使用了更大的输入图像尺寸。对于线段检测任务（尤其是 Wireframe 数据集），评估指标主要取决于模型检测相邻线段的能力，如果使用 SSD 作为解码器，性能会大幅下降。因此，较慢的速度是为了保证检测精度所付出的代价。","https:\u002F\u002Fgithub.com\u002Fnavervision\u002Fmlsd\u002Fissues\u002F29",{"id":123,"question_zh":124,"answer_zh":125,"source_url":126},21749,"为什么 TFLite 模型的输入通道数是 4 而不是通常的 3（RGB）？","MLSD 模型是使用 RGB 图像（3 个通道）训练的，但在输入时额外添加了一个 Alpha 通道，因此显示为 4 个通道 [1, 512, 512, 4]。这是为了优化 GPU 性能。如果您想查看如何将训练好的模型从 3 通道转换为 4 通道，可以参考 frozen_models.py 文件中的相关代码实现。","https:\u002F\u002Fgithub.com\u002Fnavervision\u002Fmlsd\u002Fissues\u002F26",{"id":128,"question_zh":129,"answer_zh":130,"source_url":131},21750,"进行 INT8 量化部署时，应该使用什么数据集？","该项目使用的是 Wireframe 数据集来训练线段检测器。如果您需要进行 INT8 量化以部署到其他设备，请使用此数据集作为校准数据。数据集地址：https:\u002F\u002Fpaperswithcode.com\u002Fdataset\u002Fwireframe","https:\u002F\u002Fgithub.com\u002Fnavervision\u002Fmlsd\u002Fissues\u002F24",{"id":133,"question_zh":134,"answer_zh":135,"source_url":136},21751,"框检测（Box Detection）功能的参数是如何定义的？","框检测功能并非论文的核心贡献，而是为了展示低级特征（如线段）检测的高速性而提供的示例。所有参数都是启发式设计的，旨在找到位于图像中心的合适矩形对象。默认参数值是通过对智能手机获取的评估数据进行简单网格搜索得出的。\n主要参数说明：\n1. score：用于设定线段可靠性的阈值。值越大，主要使用与背景对比度越高的线段。\n2. outside ratio 和 inside ratio：用于控制线段相对于检测框的位置比例关系。","https:\u002F\u002Fgithub.com\u002Fnavervision\u002Fmlsd\u002Fissues\u002F20",{"id":138,"question_zh":139,"answer_zh":140,"source_url":141},21752,"在 Windows PC (Intel CPU) 上使用 TFLite C API 运行时 FPS 很低（仅 4fps），如何解决？","在 Intel CPU 上直接使用 TFLite C API 可能无法获得最佳性能。解决方案是将 TFLite 模型转换为 ONNX 格式，并使用 ONNX Runtime (C++) 运行。经过测试，这种方法可以获得与论文中提到的移动端性能相似的结果。","https:\u002F\u002Fgithub.com\u002Fnavervision\u002Fmlsd\u002Fissues\u002F27",{"id":143,"question_zh":144,"answer_zh":145,"source_url":146},21753,"代码中 pred_squares 函数的 center_scores 计算是否存在广播错误？","是的，这是一个已知问题并已修复。原代码中在计算 score_array 时，如果 center_scores 是标量，直接相加会触发广播机制，这可能不是预期的行为。修复方案是在求和操作中明确指定 axis=1，确保中心点距离计算正确生成向量而非标量。具体修复请参考 utils.py 文件的相关提交记录。","https:\u002F\u002Fgithub.com\u002Fnavervision\u002Fmlsd\u002Fissues\u002F18",[]]