[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-shariqfarooq123--AdaBins":3,"tool-shariqfarooq123--AdaBins":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",145895,2,"2026-04-08T11:32:59",[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。",108111,"2026-04-08T11:23:26",[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},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",[52,14],"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":77,"owner_email":78,"owner_twitter":79,"owner_website":79,"owner_url":80,"languages":81,"stars":86,"forks":87,"last_commit_at":88,"license":89,"difficulty_score":10,"env_os":90,"env_gpu":91,"env_ram":90,"env_deps":92,"category_tags":97,"github_topics":98,"view_count":32,"oss_zip_url":79,"oss_zip_packed_at":79,"status":17,"created_at":108,"updated_at":109,"faqs":110,"releases":141},5602,"shariqfarooq123\u002FAdaBins","AdaBins","Official implementation of Adabins: Depth Estimation using adaptive bins","AdaBins 是一款专注于单目深度估计的开源 AI 工具，能够从普通的 RGB 图像中精准推算出场景的深度信息。传统方法通常将深度范围划分为固定的区间，这在处理复杂多变的真实场景时往往精度受限。AdaBins 创新性地引入了“自适应分箱”技术，让模型能够根据图像内容动态调整深度区间的分布，从而显著提升了在 KITTI 和 NYU-Depth-v2 等权威数据集上的预测准确率。\n\n该项目提供了预训练模型和便捷的推理接口，支持开发者快速集成。用户只需几行代码，即可对单张图片或整个文件夹的图像进行深度预测，甚至直接通过 Google Colab 在线体验。此外，它还内置了测试时增强（如水平翻转）等优化策略，进一步保障了输出结果的稳定性与细腻度。\n\nAdaBins 非常适合计算机视觉领域的研究人员、算法工程师以及需要深度信息进行三维重建、机器人导航或增强现实开发的技术团队。虽然普通用户也可通过演示体验其效果，但其核心价值在于为专业开发者提供了一个高效、高精度的基准实现，助力相关应用的快速落地与二次开发。","# AdaBins\n[![PWC](https:\u002F\u002Fimg.shields.io\u002Fendpoint.svg?url=https:\u002F\u002Fpaperswithcode.com\u002Fbadge\u002Fadabins-depth-estimation-using-adaptive-bins\u002Fmonocular-depth-estimation-on-kitti-eigen)](https:\u002F\u002Fpaperswithcode.com\u002Fsota\u002Fmonocular-depth-estimation-on-kitti-eigen?p=adabins-depth-estimation-using-adaptive-bins) [![PWC](https:\u002F\u002Fimg.shields.io\u002Fendpoint.svg?url=https:\u002F\u002Fpaperswithcode.com\u002Fbadge\u002Fadabins-depth-estimation-using-adaptive-bins\u002Fmonocular-depth-estimation-on-nyu-depth-v2)](https:\u002F\u002Fpaperswithcode.com\u002Fsota\u002Fmonocular-depth-estimation-on-nyu-depth-v2?p=adabins-depth-estimation-using-adaptive-bins)\n\nOfficial implementation of [Adabins: Depth Estimation using adaptive bins](https:\u002F\u002Farxiv.org\u002Fabs\u002F2011.14141)\n## Download links\n* You can download the pretrained models \"AdaBins_nyu.pt\" and \"AdaBins_kitti.pt\" from [here](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1nYyaQXOBjNdUJDsmJpcRpu6oE55aQoLA?usp=sharing)\n* You can download the predicted depths in 16-bit format for NYU-Depth-v2 official test set and KITTI Eigen split test set [here](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1b3nfm8lqrvUjtYGmsqA5gptNQ8vPlzzS?usp=sharing)\n\n## Colab demo \n\n\u003Cp>\n\u003Ca href=\"https:\u002F\u002Fcolab.research.google.com\u002Fdrive\u002F1oxHflMh6eAJS7BhvP1amHvuBSirlS5Vl?usp=sharing\" target=\"_parent\">\n  \u003Cimg src=\"https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg\" alt=\"Open In Colab\"\u002F>\n\u003C\u002Fa>\n\u003C\u002Fp>\n\n## Inference\nMove the downloaded weights to a directory of your choice (we will use \".\u002Fpretrained\u002F\" here). You can then use the pretrained models like so:\n\n```python\nfrom models import UnetAdaptiveBins\nimport model_io\nfrom PIL import Image\n\nMIN_DEPTH = 1e-3\nMAX_DEPTH_NYU = 10\nMAX_DEPTH_KITTI = 80\n\nN_BINS = 256 \n\n# NYU\nmodel = UnetAdaptiveBins.build(n_bins=N_BINS, min_val=MIN_DEPTH, max_val=MAX_DEPTH_NYU)\npretrained_path = \".\u002Fpretrained\u002FAdaBins_nyu.pt\"\nmodel, _, _ = model_io.load_checkpoint(pretrained_path, model)\n\nbin_edges, predicted_depth = model(example_rgb_batch)\n\n# KITTI\nmodel = UnetAdaptiveBins.build(n_bins=N_BINS, min_val=MIN_DEPTH, max_val=MAX_DEPTH_KITTI)\npretrained_path = \".\u002Fpretrained\u002FAdaBins_kitti.pt\"\nmodel, _, _ = model_io.load_checkpoint(pretrained_path, model)\n\nbin_edges, predicted_depth = model(example_rgb_batch)\n```\nNote that the model returns bin-edges (instead of bin-centers).\n\n**Recommended way:** `InferenceHelper` class in `infer.py` provides an easy interface for inference and handles various types of inputs (with any prepocessing required). It uses Test-Time-Augmentation (H-Flips) and also calculates bin-centers for you:\n```python\nfrom infer import InferenceHelper\n\ninfer_helper = InferenceHelper(dataset='nyu')\n\n# predict depth of a batched rgb tensor\nexample_rgb_batch = ...  \nbin_centers, predicted_depth = infer_helper.predict(example_rgb_batch)\n\n# predict depth of a single pillow image\nimg = Image.open(\"test_imgs\u002Fclassroom__rgb_00283.jpg\")  # any rgb pillow image\nbin_centers, predicted_depth = infer_helper.predict_pil(img)\n\n# predict depths of images stored in a directory and store the predictions in 16-bit format in a given separate dir\ninfer_helper.predict_dir(\"\u002Fpath\u002Fto\u002Finput\u002Fdir\u002Fcontaining_only_images\u002F\", \"path\u002Fto\u002Foutput\u002Fdir\u002F\")\n\n```\n## TODO:\n* Add instructions for Evaluation and Training.\n* Add UI demo\n* Remove unnecessary dependencies\n","# AdaBins\n[![PWC](https:\u002F\u002Fimg.shields.io\u002Fendpoint.svg?url=https:\u002F\u002Fpaperswithcode.com\u002Fbadge\u002Fadabins-depth-estimation-using-adaptive-bins\u002Fmonocular-depth-estimation-on-kitti-eigen)](https:\u002F\u002Fpaperswithcode.com\u002Fsota\u002Fmonocular-depth-estimation-on-kitti-eigen?p=adabins-depth-estimation-using-adaptive-bins) [![PWC](https:\u002F\u002Fimg.shields.io\u002Fendpoint.svg?url=https:\u002F\u002Fpaperswithcode.com\u002Fbadge\u002Fadabins-depth-estimation-using-adaptive-bins\u002Fmonocular-depth-estimation-on-nyu-depth-v2)](https:\u002F\u002Fpaperswithcode.com\u002Fsota\u002Fmonocular-depth-estimation-on-nyu-depth-v2?p=adabins-depth-estimation-using-adaptive-bins)\n\n[Adabins：基于自适应分箱的深度估计](https:\u002F\u002Farxiv.org\u002Fabs\u002F2011.14141)的官方实现\n## 下载链接\n* 您可以从[这里](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1nYyaQXOBjNdUJDsmJpcRpu6oE55aQoLA?usp=sharing)下载预训练模型“AdaBins_nyu.pt”和“AdaBins_kitti.pt”。\n* 您还可以从[这里](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1b3nfm8lqrvUjtYGmsqA5gptNQ8vPlzzS?usp=sharing)下载NYU-Depth-v2官方测试集和KITTI Eigen划分测试集的16位格式预测深度。\n\n## Colab演示\n\n\u003Cp>\n\u003Ca href=\"https:\u002F\u002Fcolab.research.google.com\u002Fdrive\u002F1oxHflMh6eAJS7BhvP1amHvuBSirlS5Vl?usp=sharing\" target=\"_parent\">\n  \u003Cimg src=\"https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg\" alt=\"在Colab中打开\"\u002F>\n\u003C\u002Fa>\n\u003C\u002Fp>\n\n## 推理\n将下载的权重文件移动到您选择的目录中（我们这里使用“.\u002Fpretrained\u002F”）。然后您可以按如下方式使用预训练模型：\n\n```python\nfrom models import UnetAdaptiveBins\nimport model_io\nfrom PIL import Image\n\nMIN_DEPTH = 1e-3\nMAX_DEPTH_NYU = 10\nMAX_DEPTH_KITTI = 80\n\nN_BINS = 256 \n\n# NYU\nmodel = UnetAdaptiveBins.build(n_bins=N_BINS, min_val=MIN_DEPTH, max_val=MAX_DEPTH_NYU)\npretrained_path = \".\u002Fpretrained\u002FAdaBins_nyu.pt\"\nmodel, _, _ = model_io.load_checkpoint(pretrained_path, model)\n\nbin_edges, predicted_depth = model(example_rgb_batch)\n\n# KITTI\nmodel = UnetAdaptiveBins.build(n_bins=N_BINS, min_val=MIN_DEPTH, max_val=MAX_DEPTH_KITTI)\npretrained_path = \".\u002Fpretrained\u002FAdaBins_kitti.pt\"\nmodel, _, _ = model_io.load_checkpoint(pretrained_path, model)\n\nbin_edges, predicted_depth = model(example_rgb_batch)\n```\n请注意，该模型返回的是分箱边界值（而非分箱中心值）。\n\n**推荐方式**：`infer.py`中的`InferenceHelper`类提供了一个简便的推理接口，并能处理各种类型的输入（包括所需的预处理）。它还使用了测试时增强技术（水平翻转），并为您计算出分箱中心值：\n```python\nfrom infer import InferenceHelper\n\ninfer_helper = InferenceHelper(dataset='nyu')\n\n# 预测一批RGB张量的深度\nexample_rgb_batch = ...  \nbin_centers, predicted_depth = infer_helper.predict(example_rgb_batch)\n\n# 预测单张PIL图像的深度\nimg = Image.open(\"test_imgs\u002Fclassroom__rgb_00283.jpg\")  # 任意RGB PIL图像\nbin_centers, predicted_depth = infer_helper.predict_pil(img)\n\n# 预测存储在指定目录中的多张图像的深度，并将结果以16位格式保存到指定输出目录\ninfer_helper.predict_dir(\"\u002Fpath\u002Fto\u002Finput\u002Fdir\u002Fcontaining_only_images\u002F\", \"path\u002Fto\u002Foutput\u002Fdir\u002F\")\n```\n## 待办事项：\n* 添加评估和训练说明。\n* 添加UI演示。\n* 移除不必要的依赖项。","# AdaBins 快速上手指南\n\nAdaBins 是一个基于自适应分箱（Adaptive Bins）技术的单目深度估计模型，在 KITTI 和 NYU-Depth-v2 数据集上取得了领先的性能。本指南将帮助您快速部署并进行推理。\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**: 3.7 或更高版本\n*   **GPU**: 推荐使用 NVIDIA GPU 以加速推理（需安装 CUDA 驱动）\n*   **核心依赖**:\n    *   PyTorch\n    *   torchvision\n    *   PIL (Pillow)\n    *   numpy\n\n建议先创建虚拟环境并安装基础深度学习框架：\n\n```bash\npython -m venv adabins_env\nsource adabins_env\u002Fbin\u002Factivate  # Windows 用户使用: adabins_env\\Scripts\\activate\n\n# 国内用户推荐使用清华源加速安装\npip install torch torchvision torchaudio --index-url https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Fcu118\npip install pillow numpy -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n## 安装步骤\n\n1.  **克隆代码仓库**\n    由于原文未提供具体的 GitHub 地址，请确保您已获取官方源代码目录。假设当前位于项目根目录。\n\n2.  **下载预训练模型**\n    从官方 Google Drive 链接下载预训练权重文件 `AdaBins_nyu.pt` (室内场景) 或 `AdaBins_kitti.pt` (室外驾驶场景)。\n    \n    *   下载地址：[Google Drive 链接](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1nYyaQXOBjNdUJDsmJpcRpu6oE55aQoLA?usp=sharing)\n    \n    下载完成后，在项目根目录下创建 `pretrained` 文件夹并将模型文件移入：\n\n    ```bash\n    mkdir -p pretrained\n    # 将下载的 .pt 文件移动到该目录\n    mv \u002Fpath\u002Fto\u002Fdownloaded\u002FAdaBins_nyu.pt .\u002Fpretrained\u002F\n    ```\n\n3.  **验证依赖**\n    确保代码目录中包含 `models.py`, `model_io.py`, 和 `infer.py` 等核心文件。如果缺少依赖包，可根据报错信息使用 `pip install` 补充（通常上述基础依赖已足够）。\n\n## 基本使用\n\n推荐使用封装好的 `InferenceHelper` 类进行推理，它自动处理了测试时增强（TTA）、图像预处理以及分箱中心计算，是最简便的使用方式。\n\n### 示例代码\n\n创建一个名为 `demo.py` 的文件，写入以下代码：\n\n```python\nfrom infer import InferenceHelper\nfrom PIL import Image\n\n# 初始化帮助类，根据场景选择 'nyu' (室内) 或 'kitti' (室外)\n# 这里以 NYU 数据集模型为例\ninfer_helper = InferenceHelper(dataset='nyu')\n\n# 方法 1: 预测单张 PIL 图像\n# 替换为您本地的图片路径\nimg_path = \"test_imgs\u002Fclassroom__rgb_00283.jpg\"\nimg = Image.open(img_path)\n\n# 执行预测\n# bin_centers: 深度分箱的中心值\n# predicted_depth: 最终的深度图 (numpy array)\nbin_centers, predicted_depth = infer_helper.predict_pil(img)\n\nprint(f\"预测完成，深度图形状：{predicted_depth.shape}\")\n\n# 方法 2: 批量预测目录下的所有图片并保存为 16-bit 格式\n# infer_helper.predict_dir(\"\u002Fpath\u002Fto\u002Finput\u002Fimages\u002F\", \"\u002Fpath\u002Fto\u002Foutput\u002Fdepths\u002F\")\n```\n\n### 说明\n*   **输入**: 支持任意 RGB 格式的 PIL Image 对象或批处理的 Tensor。\n*   **输出**: `predicted_depth` 为单通道深度图，数值代表距离（单位与训练数据集一致，NYU 通常为米）。\n*   **模型切换**: 若需使用 KITTI 模型，请将初始化代码改为 `InferenceHelper(dataset='kitti')` 并确保加载了对应的 `AdaBins_kitti.pt` 权重。","某自动驾驶初创团队正在利用车载单目摄像头采集的城市道路视频，构建高精度的三维环境感知系统以辅助路径规划。\n\n### 没有 AdaBins 时\n- **深度细节丢失严重**：传统固定分箱算法在处理近距离行人或远距离车辆时，因深度分布不均导致关键区域的深度图模糊，难以区分障碍物轮廓。\n- **场景适应性差**：模型在从室内停车场切换到开阔街道时，由于深度范围剧烈变化，预测结果经常出现断层或数值溢出，需频繁人工调整参数。\n- **开发迭代效率低**：工程师需编写复杂的后处理代码来估算深度中心值，并手动处理图像翻转增强，增加了推理流程的复杂度和出错率。\n- **硬件成本受限**：为了获得可用深度信息，团队被迫考虑加装昂贵的激光雷达或多目相机方案，超出了原型车的预算限制。\n\n### 使用 AdaBins 后\n- **自适应精度提升**：AdaBins 通过自适应分箱机制，自动将更多“箱子”分配给深度变化剧烈的近处区域，清晰还原了行人边缘和路面纹理。\n- **泛化能力增强**：凭借在 NYU 和 KITTI 数据集上的预训练权重，模型无缝适应不同光照和距离场景，无需针对新环境重新调参即可输出稳定结果。\n- **推理流程简化**：直接调用 `InferenceHelper` 接口，一行代码即可完成单张图片或整个文件夹的深度预测，内部自动处理测试时增强（TTA）并返回精确的深度中心值。\n- **纯视觉方案落地**：仅凭单目 RGB 图像即生成高质量 16 位深度图，成功替代部分激光雷达功能，显著降低了传感器硬件成本。\n\nAdaBins 通过自适应深度分箱技术，让低成本单目相机具备了媲美高端传感器的空间感知能力，极大加速了视觉导航系统的落地进程。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fshariqfarooq123_AdaBins_92eddd65.png","shariqfarooq123","Shariq F. Bhat","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fshariqfarooq123_c0a10b70.png","Digging deeper into deep learning.","KAUST","Srinagar","shariqfarooq00@gmail.com",null,"https:\u002F\u002Fgithub.com\u002Fshariqfarooq123",[82],{"name":83,"color":84,"percentage":85},"Python","#3572A5",100,784,160,"2026-03-16T01:50:24","GPL-3.0","未说明","未说明（基于 PyTorch 深度学习模型，通常推荐 NVIDIA GPU 以加速推理）",{"notes":93,"python":90,"dependencies":94},"README 中未明确列出具体的操作系统、GPU 型号、显存大小、内存需求及 Python 版本。代码依赖 PyTorch (torch) 和 Pillow 库。提供了 NYU 和 KITTI 两个数据集的预训练模型，需手动下载并放置于指定目录。推荐使用 infer.py 中的 InferenceHelper 类进行推理，支持单张图片、批量张量及文件夹批处理，并自动处理测试时增强（水平翻转）和分箱中心计算。",[95,96],"torch","Pillow",[35,14,15],[99,100,101,102,103,104,105,106,107],"adaptive-bins","deep-learning","depth-estimation","metric-depth-estimation","monocular-depth-estimation","neural-networks","pretrained-models","single-image-depth-prediction","transformers","2026-03-27T02:49:30.150509","2026-04-09T01:38:55.654383",[111,116,121,126,131,136],{"id":112,"question_zh":113,"answer_zh":114,"source_url":115},25429,"为什么在 KITTI Eigen split 上的评估结果与论文不符？","主要原因通常是预测深度图与真实值（GT）的对齐方式不同。Monodepth2 使用 cv.resize 进行对齐，这会导致显著差异。此外，需区分 'kb_crop'（用于输入图像的裁剪）与 'garg_crop\u002Feigen_crop'（仅作为评估掩码）。建议统一评估代码，确保预测图和 GT 在相同的分辨率和对齐策略下进行比较，并使用中值缩放（median scaling）进行评估。","https:\u002F\u002Fgithub.com\u002Fshariqfarooq123\u002FAdaBins\u002Fissues\u002F58",{"id":117,"question_zh":118,"answer_zh":119,"source_url":120},25430,"训练过程中出现 NaN Loss 该如何解决？","NaN Loss 通常是因为深度值包含零或负数，而 SILog 损失函数对数运算无法处理这些值。解决方案有两种：1. 将深度值从下方裁剪到一个最小正值（例如 1e-3）；2. 修改 loss.py 第 19 行的代码，引入一个小常数 alpha。修改后的代码示例：\nalpha = 1e-3\ng = torch.log(alpha + input) - torch.log(alpha + target)","https:\u002F\u002Fgithub.com\u002Fshariqfarooq123\u002FAdaBins\u002Fissues\u002F16",{"id":122,"question_zh":123,"answer_zh":124,"source_url":125},25431,"如何在自定义数据集上训练 AdaBins 模型？","可以参考社区实现的自定义数据集加载方案。有用户成功在合成数据集上复现了训练过程，相关实现代码可参考 GitHub 仓库：https:\u002F\u002Fgithub.com\u002FVladimirYugay\u002FAdaBins。确保输入的深度标签是包含真实深度值（如 0 到 80 米）的 numpy 数组，并根据需要调整学习率或关闭调度器以观察收敛情况。","https:\u002F\u002Fgithub.com\u002Fshariqfarooq123\u002FAdaBins\u002Fissues\u002F32",{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},25432,"项目依赖的环境文件在哪里？如何安装依赖？","项目未直接提供环境文件，但维护者建议在 Ubuntu 系统上严格遵循 PyTorch3D 的安装指南进行依赖配置。安装链接为：https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorch3d\u002Fblob\u002Fmaster\u002FINSTALL.md。Windows 用户可能会遇到类似安装问题，建议参考社区讨论或优先使用 Ubuntu 环境。","https:\u002F\u002Fgithub.com\u002Fshariqfarooq123\u002FAdaBins\u002Fissues\u002F31",{"id":132,"question_zh":133,"answer_zh":134,"source_url":135},25433,"KITTI Eigen split 评估时使用了多少张测试图像？","评估通常基于 652 张测试图像（经过过滤的 Eigen split），而不是原始的 697 张。在评估流程中，首先对深度真值进行 'kb_crop'（裁剪至 1216x352），然后应用 'garg_crop' 或 'eigen_crop' 作为评估掩码来排除无效区域，而非再次裁剪图像尺寸。","https:\u002F\u002Fgithub.com\u002Fshariqfarooq123\u002FAdaBins\u002Fissues\u002F10",{"id":137,"question_zh":138,"answer_zh":139,"source_url":140},25434,"源代码是否已经开源？","是的，代码已经发布。用户可以访问项目主页获取完整的训练和推理代码，并参照 README 文档进行复现。如有文档中的 TODO 项未完成，建议查看最新的提交记录或直接运行现有脚本。","https:\u002F\u002Fgithub.com\u002Fshariqfarooq123\u002FAdaBins\u002Fissues\u002F1",[142],{"id":143,"version":144,"summary_zh":145,"released_at":146},162762,"v1.0","预训练模型的权重","2021-09-28T09:05:52"]