open-gigaai/giga-models

GigaModels – 即用型 AI 流水线工具箱

是什么 – GigaModels 是一个开源 Python 包，将数十个预训练的视觉、扩散和多模态模型（例如：Grounding DINO、Depth Anything、GigaBrain‑0、Pi0、Cosmos‑Predict2.5）封装在统一的 load_pipeline API 之后。它支持推理和训练，提供即开即用的脚本，并可通过 conda + pip 安装。

核心理念

• 统一接口 – 每种模型类型（例如：深度估计、目标检测、扩散视频生成）都封装在 *Pipeline 类中，遵循相同的调用签名（pipeline(input)）。
• 广泛覆盖 – 仓库列出了超过 30 个流水线，涵盖：
  • 视觉-语言-动作（VLA）模型，如 GigaBrain‑0、Pi0、Pi0.5
  • 视频预测/迁移用的扩散模型（GigaWorld‑0、Cosmos‑Predict2.5、Cosmos‑Transfer2.5）
  • 经典视觉任务：深度（Depth Anything、DPT）、检测（Grounding DINO）、边缘检测（Canny、HED、Lineart 等）、帧插值（Film）、图像修复（PromptIR）、关键点检测（OpenPose、RTMPose）、光流（UniMatch）、分割（Grounded SAM 2、Segment Anything、UperNet）、镜头边界检测（TransNetV2）。
• 支持推理与训练 – 对于 VLA 和扩散模型家族，README 提供了单独的推理脚本和训练配置链接，使研究人员能够微调模型。
• 模块化结构 – 源码树按 giga_models/pipelines/<task>/<model>/pipeline_*.py 组织，并包含 projects/ 文件夹，其中包含示例脚本和配置文件。

安装

conda create -n giga_models python=3.11.10
conda activate giga_models
git clone https://github.com/open-gigaai/giga-models.git
cd giga-models
pip install -e .

该包以可编辑模式安装，允许您本地修改流水线。

快速入门示例

from PIL import Image
from giga_models import load_pipeline

img = Image.open('my_photo.jpg')
# 使用 Grounding DINO 进行目标检测
pipe = load_pipeline('detection/grounding_dino/swint_ogc')
boxes, labels, scores = pipe(img, ['person', 'car'])

# 使用 Depth Anything V2 Large 进行深度估计
from giga_models import DepthAnythingPipeline
pipe = DepthAnythingPipeline('depth-anything/Depth-Anything-V2-Large-hf').to('cuda')
depth = pipe(img)

此模式适用于所有列出的流水线。

如何贡献 – 项目遵循 Apache‑2.0 许可证，欢迎提交拉取请求。CONTRIBUTING.md 文件说明了编码风格、测试方法以及如何添加新流水线。

引用 – 如果您在研究中使用 GigaModels，请按照 README 中所示方式引用该仓库。

---

总结 – GigaModels 是一个真正可投入生产的多模态和感知 AI 模型集合，旨在为开发者提供一种即插即用的方式，无需分别处理每个模型的样板代码，即可实验多种最先进的视觉和生成流水线。