BongoCat
产品：BongoCat 主要功能与描述： 1. 跨平台的桌面宠物。 2. 可以跟随用户的键盘和鼠标移动。 3. 使用Live2D模型，提供丰富的视觉效果。 4. 支持自定义快捷键，触发模型内置的表情与动作。 5. 支持导入自定义模型，打造独一无二的专属桌宠。 6. 提供Web版本，可通过OBS浏览器源直接展示猫咪。 7. 适配Linux Wayland环境，提升跨平台体验。
猜你喜欢
网页装修-浏览器插件可视化修改网页并分享装修码
产品描述：网页装修小插件，用于装修网页。 主要功能：通过选择元素定向修改；通过 AI 对话修改；生成装修码分享给别人使用，别人导入装修码即可复刻装修。
远程vibe工具
产品主要功能描述： 1. **远程Vibe工具**：一款名为MindFS的工具，支持多Agent会话。 2. **多Agent支持**：能够自动探测并使用已安装的多种Agent，如Claude Code、OpenAI Codex等。 3. **实时流式输出**：提供结构化卡片的实时渲染，展示工具调用、思考过程和权限请求。 4. **灵活切换**：在会话中可以随时切换Agent或模型，且多Agent共享同一上下文。 5. **会话搜索**：支持按会话标题或对话内容进行搜索，并能跳转到相关会话和片段。 6. **外部会话双向导入**：可导入受支持的Agent CLI的已有会话，并在MindFS中继续使用。 7. **绑定持久化与恢复**：会话信息与底层Agent会话绑定，并能在服务重启后恢复。 8. **富媒体输入**：支持在消息中直接附带文件和图片。 9. **多端同步**：同一实例可在多个设备上访问，会话状态实时同步。 10. **多Project管理**：同时托管多个目录，互不干扰。 11. **数据自托管**：所有对话历史、文件元数据和视图配置存储在项目目录的特定子目录下。 12. **文件树浏览**：提供完整的目录树导航和文件预览功能。 13. **交互优化**：包括`/`斜杠命令、`@`文件引用、`#`快捷提示词等，提升交互体验。 14. **访问模式**：包括本地模式、Relay远程模式和私有通道，满足不同访问需求。 15. **插件系统**：支持定制视图、Agent生成插件和交互闭环。 16. **安装运行**：生产构建为静态编译的单二进制文件，零依赖，多平台支持。
小程序、转盘类、独立开发者
产品主要功能：转盘类游戏 产品描述：一款独立开发者制作的转盘类小程序，拥有自己独特的UI和操作方式，已添加了基本功能，并且最近进行了更新。
TexasSolver-免费GPU加速德扑求解器
德州扑克求解器（TexasSolver GPU版本），使用C++和CUDA重写，将矩阵运算和树遍历转移到GPU上，速度翻4倍，完全免费。
Face Rating-浏览器本地面部评分工具
face-rating.net 是一个面部评分工具。 主要功能与描述： - 一张正面照，由浏览器里的图像模型给出 10 分制评分。 - 不用注册、不用邮箱，照片不上传；目前全站免费，没有付费墙，也没有订阅。 - 评分流程：浏览器里的关键点模型先测出 478 个面部关键点（MediaPipe Face Mesh，468 点 + 10 个虹膜点）；用眼睛位置把照片摆正、裁到脸部，裁剪时不拉伸五官；本地图像模型读取裁剪图及其镜像版，两次预测取平均，换算成 10 分；模型在人类照片评分数据上训练，输出学到的偏好，不是普世审美标准。 - 几何读数不参与评分：同一批关键点可算出对称性、纵向横向间距、脸型、眼角角度；几何来自关键点，分数来自图像模型，两者不相乘也不相加。 - 本地运行：模型文件跟页面一起下载，照片和所有中间产物都在浏览器内存里，不上传、服务器没副本、刷新就没了；网站上没有任何上传照片的路径。隐私政策：不用照片训练模型、不出售面部数据、不把照片或分数给广告方；站上第三方只有 Cloudflare 和邮件服务商。 - 免费功能：10 分制评分；六项单项工具：Golden Ratio Face Calculator、Face Shape Detector、Canthal Tilt Test、Face Symmetry Test、Jawline Rating、Recessed Chin（使用侧脸照）；一篇 guide：Asymmetric Face（不对称脸的原因、哪些偏方没证据、怎么自己量）；结果能存成一张本地生成的卡片，分享与否由用户决定。 - 不发布平均分、不发布百分位；免费分数不收集。
- SegFormer - DeepLab - UPerNet
产品主要功能：rankseg项目用于改进图像分割模型的后处理步骤，通过替换默认的`probs.argmax(dim=1)`为更适合分割目标的策略，以提高整体性能。 描述：rankseg项目旨在优化图像分割流程中的后处理环节，通过改进概率图到最终分割掩码的转换方式，提升分割性能。该项目兼容PyTorch原生概率图流程和Transformers链路，并提供了现成的仓库、文档和可运行的入口，适合进行实验尝试。
评论
正在加载评论…