UniVLA
UniVLA 是 OpenDriveLab 开发的统一视觉-语言-动作模型框架，面向自动驾驶和机器人领域。通过多模态融合实现端到端的决策能力。
🎯适用场景：自动驾驶决策、机器人控制、多模态感知
📥 收录于 2026/6/3
📊 仓库数据
📈 Stars 变化 ↑1 天 +1· 统计区间 7/17 20:11 → 7/18 23:22（1 天）
✅ 优点
- •统一的 VLA 架构设计
- •OpenDriveLab 数据支持
- •端到端决策能力
⚠️ 限制
- •需要大量训练数据
- •实际部署算力要求高
🔗 相关工具
Deep Live Cam
github.com/hacksider/Deep-Live-Cam
实时人脸替换工具，91,252+ stars。仅需一张照片即可实现实时视频换脸和一键视频 Deepfake，基于 AI 视觉模型实现高精度面部替换。支持摄像头实时预览和离线视频处理，是 AI 换脸领域最受欢迎的开源项目。
🎯多模态内容理解与生成
openpilot
github.com/commaai/openpilot
自动驾驶操作系统，60,671+ stars。comma.ai 开源的高级驾驶辅助系统（ADAS），支持 275+ 款车型的自适应巡航、车道保持等自动驾驶辅助功能
🎯多模态内容理解与生成
FFmpeg
github.com/FFmpeg/FFmpeg
FFmpeg 多媒体处理框架的增强版本，60K+ stars。支持音视频转码、剪辑、滤镜、流媒体等全功能，是视频 AI 处理和多媒体应用的底层基础设施
🎯AI 视频预处理、音视频转码剪辑、多媒体流处理
Face Recognition
github.com/ageitgey/face_recognition
人脸识别 API，56,311+ stars。世界最简单的人脸识别 Python 库，基于 dlib 深度学习模型，提供命令行和编程接口，支持人脸识别、比对、定位等功能
🎯多模态内容理解与生成
FaceSwap
github.com/deepfakes/faceswap
开源 Deepfake 换脸工具，55,193+ stars。基于深度学习的视频换脸工具，支持从图片提取人脸特征并替换到目标视频中，提供训练和推理完整流程
🎯多模态内容理解与生成
Upscayl
github.com/upscayl/upscayl
AI 图片超分辨率工具，44,717+ stars。免费开源的 AI 图片放大器，支持 Linux、macOS、Windows。使用 Real-ESRGAN 等模型实现 4x 无损放大，是设计、摄影、AI 图像后处理的必备工具。
🎯多模态内容理解与生成
