anaksor-ocr
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
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。
DRS-VPT 是一款工具包,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install -U huggingface_hub hf download fulkast/drs-vpt-demo --repo-type space --local-dir drs-vpt-demo cd drs-vpt-demo
这个演示可以在不给出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。你给它一张图像和一个点云,或者选一个示例,它就会返回相机在这个点云中的位姿。它运行的是一种叫 DRS-VPT 的方法,来自一篇研究论文。
它适合研究 3-D 扫描中相机定位的研究者和学生,也适合想在读论文或代码之前先看这个方法跑起来的人。自带的示例让你不用准备任何数据就能试用。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 研究 | 计算机视觉研究者 | 用一张图像和一个点云试这个方法 | 检查一张图像在扫描中处在哪个位置 |
| 测绘 | 保存场所 3-D 扫描的人 | 在已有点云中定位一张新图像 | 把最近拍的图像放进同一地点的扫描里 |
| 教育 | 3-D 视觉方向的学生 | 在自带示例上运行演示 | 看看点云中的相机位姿是什么样子 |
| 软件 | 研究定位的开发者 | 阅读 app.py 和 examples 文件夹 | 了解一个研究模型是怎样包进小型演示里的 |
如果你需要商业用途,请跳过模型权重,它们只允许非商业使用。
这个演示可以在两个地方使用。
| 使用场景 | 谁 | 得到什么 |
|---|---|---|
| 定位图像 | 研究者 | 一张图像在点云中的相机位姿 |
| 试用示例 | 学生 | 在样例输入上的一次完整运行,不需要自己的数据 |
| 查看演示 | 开发者 | app.py 文件和 examples 文件夹,可以阅读和改造,演示代码采用 Apache 2.0 |
在线的 Space 不需要这些步骤。要运行本地副本,你需要先准备好这些。
下面是 Hugging Face 给出的本地副本步骤。
pip install -U huggingface_hub hf download fulkast/drs-vpt-demo --repo-type space --local-dir drs-vpt-demo cd drs-vpt-demo pip install gradio==6.30.0 pip install -r requirements.txt python app.py
打开 Space 页面,或者用下面的命令启动本地副本。给页面一张图像和一个点云,或者选一个自带示例,它就会返回相机在这个点云中的位姿。
python app.py
| 工具 | 作用 |
|---|---|
| python app.py | 从你下载的副本启动演示 |
你有一张相机拍的图像,还有同一地点的点云。你把两者交给演示,它会算出位姿,也就是相机在点云里站在哪里、朝向哪边。手头没有数据时,你选一个示例,同样能看到结果。
点云是一组勾勒出某个地方的 3-D 点,相机位姿说明相机在哪里、朝向哪里。先选一个自带示例,看看演示返回的位姿。
这个方法发表在 ECCV 2026,不需要先给出位姿。这个 Space 运行在 ZeroGPU 上,从 fulkast/drs-vpt-demo-data 数据集读取样例,从 fulkast/drs-vpt 模型仓库加载权重。来源没有说明本地副本是否需要 GPU,所以在规划本地运行之前请先确认。
下面几点值得先看一眼。
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。
由 fulkast 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。
它是什么:这个演示可以在不给出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。你给它一张图像和一个点云,或者选一个示例,它就会返回相机在这个点云中的位姿。它运行的是一种叫 DRS-VPT 的方法,来自一篇研究论文。
适合谁:它适合研究 3-D 扫描中相机定位的研究者和学生,也适合想在读论文或代码之前先看这个方法跑起来的人。自带的示例让你不用准备任何数据就能试用。
行业 | 谁在用 | 怎么用 | 例子
研究 | 计算机视觉研究者 | 用一张图像和一个点云试这个方法 | 检查一张图像在扫描中处在哪个位置
测绘 | 保存场所 3-D 扫描的人 | 在已有点云中定位一张新图像 | 把最近拍的图像放进同一地点的扫描里
教育 | 3-D 视觉方向的学生 | 在自带示例上运行演示 | 看看点云中的相机位姿是什么样子
软件 | 研究定位的开发者 | 阅读 app.py 和 examples 文件夹 | 了解一个研究模型是怎样包进小型演示里的
如果你需要商业用途,请跳过模型权重,它们只允许非商业使用。
用在哪里:这个演示可以在两个地方使用。
使用场景 | 谁 | 得到什么
定位图像 | 研究者 | 一张图像在点云中的相机位姿
试用示例 | 学生 | 在样例输入上的一次完整运行,不需要自己的数据
查看演示 | 开发者 | app.py 文件和 examples 文件夹,可以阅读和改造,演示代码采用 Apache 2.0
如何设置:在线的 Space 不需要这些步骤。要运行本地副本,你需要先准备好这些。
下面是 Hugging Face 给出的本地副本步骤。
pip install -U huggingface_hub
hf download fulkast/drs-vpt-demo --repo-type space --local-dir drs-vpt-demo
cd drs-vpt-demo
pip install gradio==6.30.0
pip install -r requirements.txt
python app.py
如何使用:打开 Space 页面,或者用下面的命令启动本地副本。给页面一张图像和一个点云,或者选一个自带示例,它就会返回相机在这个点云中的位姿。
python app.py
工具 | 作用
python app.py | 从你下载的副本启动演示
示例:你有一张相机拍的图像,还有同一地点的点云。你把两者交给演示,它会算出位姿,也就是相机在点云里站在哪里、朝向哪边。手头没有数据时,你选一个示例,同样能看到结果。
新手与专家:点云是一组勾勒出某个地方的 3-D 点,相机位姿说明相机在哪里、朝向哪里。先选一个自带示例,看看演示返回的位姿。
这个方法发表在 ECCV 2026,不需要先给出位姿。这个 Space 运行在 ZeroGPU 上,从 fulkast/drs-vpt-demo-data 数据集读取样例,从 fulkast/drs-vpt 模型仓库加载权重。来源没有说明本地副本是否需要 GPU,所以在规划本地运行之前请先确认。
你把图像和点云交给演示
DRS-VPT 模型在 ZeroGPU 上运行
它算出相机在点云中的位姿
位姿显示在演示页面上
注意事项:下面几点值得先看一眼。
在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。
README.md 5 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face Space。
| 产品 | 点赞 | 构建方式 | 许可证 | 最近更新 |
|---|---|---|---|---|
| DRS-VPT 本页 | 1 | gradio | apache-2.0 | |
| Open VLM Leaderboard共有 gradio | 1,034 | gradio | apache-2.0 | |
| Face Swap共有 gradio | 808 | gradio | cc-by-nc-sa-4.0 | |
| TTS Spaces Arena共有 gradio | 493 | gradio | zlib | |
| Depth Anything 3共有 gradio | 490 | gradio | cc-by-nc-4.0 | |
| BLIP共有 gradio | 431 | gradio | bsd-3-clause |
Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
Qwen · 工具包
Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。
ACE-Step · 工具包
用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。
AbdomenAtlas · 工具包
在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。
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。
zimmerk4 · 工具包
用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。