Surya
Surya：功能强大的开源OCR文档处理工具包，支持90多种语言的OCR识别，提供布局分析、阅读顺序检测和表格识别等功能。无论是PDF、图像还是Word文档，Surya都能高效处理。基于先进的多模态模型，Surya实现了精准的文本检测、灵活的布局分析和智能的表格识别，提升文档数字化处理效率。
PhotoDoodle简介
PhotoDoodle是什么？
PhotoDoodle是一款由新加坡国立大学、字节跳动等团队联合推出的开源艺术图像编辑工具，可以将一张普通的照片变成具有艺术风格的图片。它支持通过自然语言指令对图片进行局部修改以及添加一些装饰性元素（手绘笔触线、3D 立体效果、卡通样式等），同时保持原图背景和细节不变。
PhotoDoodle 采用两阶段训练策略：先通过大规模数据预训练通用图像编辑器（OmniEditor），再结合少量艺术家样本进行微调（EditLoRA），快速学习并复刻个性化艺术风格。用户只需要提供30–50 张图像样本就能训练拥有自己的独特风格模型，主要用于数字艺术品创作、文案制作、品牌制作等领域。。
主要功能特点
1. 文字驱动的图像编辑：输入文字指令即可实现局部修改和风格化，如“给猫咪加个光环加翅膀”；
2. 艺术风格学习与复刻：30-50 对图像样本可以轻松学习并复刻一个艺术家的风格；
3. 装饰性元素生成：自动在图片上添加卡通角色、3D 水平色块、流色彩块和手绘画线等装饰，并且与原图完美融合。
4. 背景一致性保持：使用位置编码克隆和无噪声条件范式使编辑后的图片仍然保留原有的布局和细节，在编辑后保持背景内容不变。
5. 两阶段训练架构
- OmniEditor：通用图像编辑器，基于大规模数据预训练
- EditLoRA：少样本微调模块，快速适配个性化风格
6. 开源与可扩展性：提供了完整的训练和推理代码，可以在 Hugging Face 和 ComfyUI 上使用，也方便开发者二次部署。
适用场景
- 艺术创作：快速为照片添加个性化艺术风格
- 社交分享：生成有趣装饰图像，提升内容吸引力
- 品牌设计：定制符合品牌调性的视觉素材
- 教学辅助：复刻艺术风格，辅助艺术教育
- 互动娱乐：通过文字指令实时生成创意图像
技术支持与资源
- 开源支持：团队ithub 和 HuggingFace 开源了代码和数据集，使用者可以免费使用预训练模型或者自训艺术风格模型。
- 预训练模型：内置多种风格，包括手绘轮廓、3D 效果和流动色块等。
PhotoDoodle GitHub：https://github.com/showlab/PhotoDoodle
PhotoDoodle HuggingFace： https://huggingface.co/datasets/nicolaus-huang/PhotoDoodle
数据评估
关于PhotoDoodle特别声明
本站新媒派提供的该工具内容都来源于网络，不保证外部链接的准确性和完整性，同时，对于该外部链接的指向，不由新媒派实际控制，在2025年3月5日 下午2:43收录时，该网页上的内容，都属于合规合法，后期网页的内容如出现违规，可以直接联系网站管理员进行删除，新媒派不承担任何责任。
与PhotoDoodle相关工具
ArXiv Markdown Parser
ArXiv Markdown Parser是一款浏览器扩展插件，支持一键将 arXiv 论文转换为结构化 Markdown 文本，保留标题、摘要、公式、表格与参考文献，适配 ChatGPT 等大语言模型输入，适用于科研笔记、技术写作与知识管理，支持本地运行，隐私友好。
XPipe
XPipe是一款免费开源的服务器管理和远程连接工具，主要通过本地机器实现对多台服务器、容器集群等资源的集中化、可视化操控。提供集中管理远程连接，支持 SSH、Docker、Kubernetes、虚拟机等多种环境，提供终端启动器、远程文件浏览器和脚本自动化功能。
pyecharts-gallery
基于pyecharts构建的开源项目，通过复现 ECharts 官方示例展现其可视化能力。作为功能完整的图表案例库，不仅提供多种可复用的代码模板，还能帮助开发者快速掌握 pyecharts 的核心使用方法。
WeRSS
WeRSS是一款开源的微信公众号内容订阅工具，支持自动抓取公众号文章并生成 RSS 订阅源，提供 Web 管理界面、Webhook 推送与 API 接入，适合信息聚合与自动化推送场景。
Godot
Godot是一款免费的开源2D和3D游戏引擎，旨在帮助开发者创建、动画和渲染各种类型的游戏世界和角色。它支持多平台发布，允许游戏在桌面、移动设备和网页上运行。Godot的节点和场景系统提供强大的灵活性，多语言支持（包括GDScript、C#、C++等）使开发者能够选择最合适的编程语言。无论是简单的2D游戏，还是复杂的3D游戏，Godot都能提供所需的工具和资源。
PicGo
PicGo 是一款基于Electron-Vue开发的图片上传和管理工具，支持 macOS、Windows 和 Linux 平台。PicGo 提供强大的插件系统和便捷的上传管理功能，支持多种图床，包括微博图床、七牛图床、腾讯云 COS、又拍云、GitHub、SM.MS、阿里云 OSS 和 Imgur。用户可以通过拖拽上传图片，查看上传记录，并定制剪贴板链接格式。
Picsharp
PicSharp是一款开源免费的图片压缩工具，具有功能丰富、跨平台特性，支持Windows、Linux以及macOS操作系统，能够帮助我们轻松压缩图片文件，支持批量图片压缩操作。
Darktable
Darktable是一款开源的摄影工作流程应用程序和RAW图像处理工具，帮助你轻松处理和管理RAW图像。它让你在虚拟灯箱和暗房中处理数字底片，并支持非破坏性编辑，确保你的原始图像不被修改。Darktable的专业色彩管理和GPU加速处理功能，使你的工作流程更加高效。Darktable由摄影师为摄影师开发，旨在解决实际的摄影工作流程问题和挑战。
HiveChat
HiveChat是一款专为中小团队打造的开源 AI 聊天平台，支持 GPT-4o、Claude、Gemini、Deepseek 等多模型接入，具备权限管理、图像识别、LaTeX 渲染与智能体系统，可本地或云端部署，助力高效协作与知识共享。
NoteGen
NoteGen是一款开源、跨平台的 AI 增强型 Markdown 笔记软件，支持截图识别、文本整理与智能写作，助你高效记录灵感、构建知识体系，适用于学习、写作与信息管理。
Cline
Cline是一款自主编码助手，专为 Visual Studio Code (VSCode) 设计，利用 AI 技术帮助开发者处理复杂的软件开发任务。Cline 能够创建和编辑文件、执行终端命令、使用浏览器进行交互调试，并通过 Model Context Protocol (MCP) 扩展自身能力。支持多种 API 提供商，如 OpenRouter、Anthropic、OpenAI、Google Gemini、AWS Bedrock、Azure 和 GCP Vertex。通过 Cline 提升开发效率和代码质量，让开发者轻松应对各种编程挑战。
Weylus
Weylus是一款免费开源的跨平台数位板工具，可以将您的平板电脑或智能手机变成计算机的图形输入板或触摸屏。支持 Windows、Linux 和 macOS 系统，以及 iOS 和 Android 设备。通过局域网无线连接，实现精准触控输入，支持多点触控、压感绘图和手势操作。Weylus 特别适合远程教学、数字绘画和线上会议，让您的远程办公与教学更加高效。
changedetection.io
changedetection.io是一个开源的网页变化监控工具，它能够自动化检测网页内容的任何变化，并通过电子邮件、Slack、Discord等多种渠道发送实时通知。不仅功能强大，而且使用起来也非常简单，无论是个人用户还是企业用户，都能轻松上手。
LemonAI
全球首款全栈开源通用 AI Agent，支持从任务需求到成果交付的 全流程自动化。它具备 独立思考、系统规划 的能力，能够在虚拟环境中调用多种工具，如 编写代码、智能浏览网页、操作 Web 应用程序等。
GoMusic
GoMusic是一款免费开源的在线工具，支持将网易云音乐、QQ 音乐、汽水音乐等平台的歌单一键提取并迁移至 Apple Music、Spotify、YouTube Music 等国际平台，操作简单，无需登录，音乐搬家更轻松。
暂无评论...
