AI 研究技能与智能体

EarthJev

dBenf · 工具包

回答关于卫星图像块的类型化问题，使用 Sentinel-2 的全部 12 个波段，为每个选项返回概率，不生成文字。这是 Qwen3.5-0.8B 的微调版本，适合地球观测研究者。

ReFoCo

yuji-nozawa · 工具包

一篇研究论文的三种规模的预训练视觉 Transformer 检查点，论文研究如何训练注意力头去关注图像区域。适合提取图像特征和复现论文的研究人员。

Qwen-Image-Bench

Qwen · 工具包

名为 Q-Judger 的评审模型，对照提示词给 AI 生成的图像打分，涵盖五组标准，并以 JSON 回复。适合测试文生图模型的人。

2025-MBARI-Benthic-Supercategory-Object-Detector

FathomNet · 工具包

从名称判断，它在图像中找出海底物体的大类，由 FathomNet 为 yolov26 库发布。页面没有模型卡，所以在依赖它之前请先用你自己的图像测试。

GenFirst

ByteDance-Seed · 工具包

ByteDance-Seed 发布的研究权重，用于 VAE 与先验联合训练的图像生成器。涵盖类别条件和文生图采样，仅限非商业研究使用。

CADGenBench Leaderboard

HuggingAI4Engineering · 工具包

给把文字或图片描述变成有效 3D CAD 模型的 AI 系统排名，并为上传的 STEP 或 BREP 文件打分。适合 CAD 生成的研究者和工程师。

VLX-Seek-1.5-10B

omlab · 工具包

通过在候选区域中选择来找到并指出图像中的物体，目标不存在时回答 None。适合无人机、机器人和监控摄像头的视觉工作。

NV-Reason-CT

nvidia · 工具包

读取胸部和腹部 CT 体数据，撰写结构化放射报告、回答问题并说明推理过程。适合做 CT 图像分析的研究人员和开发者。

LeVJEPA 1.5 Large

galilai-group · 工具包

把视频片段和单张图片编码成特征向量，用约 5,300 小时视频做自监督训练。这是面向研究者的视频编码器，采用非商业许可。

MANTA-27B

gevaertlab · 工具包

根据文字或图像，一次性为医学问题的各个答案选项打分，不生成文字。这是斯坦福 Gevaert 实验室的研究模型，不是医疗器械。

Uniformer_image_demo

Sense-X · 工具包

一个 Gradio 演示，用 Sense-X 的 UniFormer 图像模型处理图片并给出类别，附带几张示例照片。适合想在浏览器里体验图像分类的学生和开发者。

BLIP

Salesforce · 工具包

在 Gradio 页面里运行 Salesforce 的 BLIP 视觉与语言模型，仓库里有图像描述、检索和问答的训练脚本。适合处理图像和文字的研究者和开发者。

Image_generator

Sakil · 工具包

打开一个小型 Gradio 应用，标题指向图像生成。说明里没有列出模型，所以适合想试用并读简短代码的学习者和开发者。

Persian Image Captioning

MahsaShahidi · 工具包

在 Gradio 页面里用一个视觉模型和一个波斯语语言模型给图片写波斯语说明，里面带有三张示例图片。适合处理波斯语文本的学生和开发者。

Image_Retrieval

leopoldmaillard · 工具包

在一个小型度假照片集里找出与查询图片相似的图片，带有名为 naive、bovw 和 cnn 的三种已保存方法。适合学习图像检索的学生和开发者。

Vision Transformer (Small)

keras-io · 工具包

你可以在 Gradio 页面里试用 keras-io 的小型 Vision Transformer 图像模型，里面带有示例图片。适合想看它实际运行的学生和开发者。

Swin Transformers

keras-io · 工具包

你可以在 Gradio 页面里试用 keras-io 的 Swin Transformer 图像模型，里面带有示例图片。适合想看视觉 Transformer 实际运行的学生和开发者。

Semi-Supervised Contrastive Learning with SimCLR

keras-io · 工具包

在 Gradio 页面里运行 Keras 团队用 SimCLR 对比学习、只用少量标签训练的图像分类器，附带示例图片，适合机器学习学习者和研究人员。

Augmenting CNNs with attention-based aggregation

keras-io · 工具包

在 Gradio 页面里用在 ImageNette 上训练的、带注意力聚合的 CNN，显示图像分类器决定背后的注意力图，适合机器学习学习者和研究人员。

Integrated Gradients

keras-io · 工具包

在 Gradio 页面里用积分梯度方法显示图片的哪些部分推动了模型的预测，附带一张大象照片可以试，适合机器学习学习者和研究人员。

Human Part Segmentation

keras-io · 工具包

在 Gradio 页面里用 Keras 的 DeepLabV3+ 模型标出照片中人物的各个部位，比如四肢和躯干，附带示例图片，适合学习者和计算机视觉开发者。

Qwen3.5-9B Brainwaves DeepThought STEM OneJev1.6

nightmedia · 工具包

nightmedia 制作的实验性 9.4B 图文模型，由三个 9B 模型合并而成，面向推理和理科问题。适合喜欢尝试小型开放合并模型的爱好者和研究者。

WeVisOne-VL-2B

tencent · 工具包

读取图片和文字提问，返回物体框、点、数量、文字位置和像素级蒙版，包括 alpha 抠图。适合在自己电脑上运行 2.4B 模型的研究者。

GTA world model

lucidml · 工具包

你按住按键时，从一张起始图像逐帧生成视频，并推流到浏览器。这是一个用 GTA5 素材训练的世界模型的权重和推理代码，适合研究者和机器学习工程师。

WeVisOne-VL-4B

tencent · 工具包

用腾讯的一个 4B 视觉语言模型在图片中查找、计数、指向、识字和分割物体，并生成 alpha 抠图。适合做视觉定位和图像抠图的研究人员。

pjit-21k

Linum-AI · 工具包

Linum 的实验性 2B 文生图模型，训练算力约 2.1 万美元，最适合用 50 到 80 个词的详细提示词，不能在图里写字。适合研究人员和好奇的创作者。

Understanding Women

GotAudio · 工具包

在 Gradio 页面里用一个已保存的模型处理图片，附带三张示例图可以试。记录没有说明它预测什么，所以请打开 Space 看它的用途。

ViTGPT2 图像描述

gagan3012 · 工具包

gagan3012 做的 Gradio 应用，从模型名看是把 ViT 图像编码器和 GPT-2 文本解码器配对，用文字描述图片。适合想在浏览器里试用图像描述的人。

Rice Disease Detector 水稻病害检测器

dnth · 工具包

dnth 做的 Gradio 应用，从名字看是在图片里检测水稻病害，带有保存的检查点和八张示例图片。适合对植物病害检测感兴趣的学生和种植者。

Rice Disease Classifier 水稻病害分类器

dnth · 工具包

dnth 做的 Gradio 应用，从名字看是根据图片给水稻病害分类，带有保存的学习器文件和示例图片。适合对植物病害分类器感兴趣的学生和种植者。

Car Part Classification 汽车零件分类

Detomo · 工具包

Detomo 做的 Streamlit 应用，用来从图片里识别汽车零件，仓库里有 ONNX 模型和保存的嵌入向量。适合探索图像分类的人。

PokeGAN

dechantoine · 工具包

dechantoine 做的 Gradio 应用，名字暗示它是生成宝可梦风格图像的 GAN。适合对小型图像生成演示感兴趣的人。

OCTaGAN

AUBMC-AIM · 工具包

一个 Gradio 应用，对应一个名字指向 OCT 医学图像的 GAN，来自 AUBMC-AIM 团队。README 没有描述，具体输入和输出要看页面。

Iris-3B

speridlabs · 工具包

Iris-3B 的演示。这个 3B 模型能根据文字生成图片、从单张图片估计深度，并修复或放大图片。适合想试用通用图像模型的视觉研究者和开发者。

UNet For Crack Detection In Concrete

Vizuara · 工具包

用 U-Net 模型分割混凝土照片里的裂缝：你上传一张开裂表面的图片，演示会标出裂缝。适合工程师、检查人员和学生。

Laya Vision

thaitea · 工具包

一次前向传播就回答关于图像的是非题、选择题和按评分标准打分的问题，不生成文字。它在 CPU 上运行一个 201M 的小型检查点，适合视觉研究人员和开发者。

JLD 感知距离

shreshthsaini · 工具包

给出失真图像与参考图像的差异分数，并用透镜叠加图显示差异所在。适合想在浏览器里试用 JLD 指标的图像质量研究者。

MoGe 2

Ruicheng · 工具包

根据一张图片估计场景在真实尺度下的几何，是一个能在浏览器里打开的 Gradio 演示。适合研究照片深度和形状的研究人员与开发者。

Hurricane Wind Speed Regressor

nakulmital · 工具包

在 Gradio 应用里用微调过的 ResNet50 模型预测飓风风速。适合想看图像回归模型怎样工作的学生、研究者和开发者。

JerseyNet - Jersey Number Detection

MHkhan50 · 工具包

在图片里找出球衣号码并在每个号码外画框，全程在你的浏览器里完成，图片不会离开你的设备。

Falcon1 2.6M Image

Kuantum-ai1 · 工具包

托管一个 Falcon1-2.6M-Image 模型的 Gradio 演示。README 没有给出说明，只有名字暗示它和图像有关。

GeCo2 Object Counting

jerpelhan · 工具包

在你标出几个示例之后，数出图片里某个物体的所有实例，不需要重新训练，也没有固定的类别清单。适合研究人员和想数照片里物品的人。

MONET Retrieval

jasperai · 工具包

一个来自 jasperai 的 Gradio 应用，用 DINOv2、CLIP 或 SSCD 嵌入，从上传的图像或标题关键词里找出 MONET 数据集中最接近的结果。

PRISM Image to 3D

hugging-apps · 工具包

用一张图片构建 3D 高斯场景，并在 3D 查看器里显示。适合想不安装任何东西就试用单图重建的研究者和 3D 爱好者。

FOXES - A Framework for Operational X-ray Emission Synthesis

griffingoodwin04 · 工具包

根据你以 NumPy 文件上传的 7 通道 SDO/AIA 太阳观测数据，预测 GOES 软 X 射线流量，并返回合成图像和流量贡献图。适合太阳物理研究者。

DRS-VPT

fulkast · 工具包

在不需要起始位姿猜测的情况下，找出一张相机图像在 3-D 点云中的拍摄位置。适合研究 3-D 扫描中相机定位的研究者和学生。

Depth Anything 3

depth-anything · 工具包

Depth Anything 3 的演示 Space，这个研究模型从名称看，能从任意视角拍的图像中恢复场景的空间结构。README 只有一条引用。

Artwork Personalization Demo

avantiwhenever · 工具包

演示如何用 CLIP 图像嵌入而不是观看记录，来挑选每个片名展示哪张海报。这是一个静态的浏览器演示，灵感来自 Netflix 公开的工程文章，与 Netflix 无关联。

Visual Saliency Prediction

alexanderkroner · 工具包

预测图片里哪些区域最先吸引目光，使用 2020 年 Neural Networks 论文中的 MSI-Net 模型。适合想快速查看可能关注区域的研究者和设计师。

MTEB Leaderboard

mteb · 工具包

在浏览器或 Docker 里运行的排行榜页面，给文本、图像、音频和视频的嵌入模型排名。适合选择嵌入模型的人。