yuanze-lin/Olympus

解决的问题

Olympus 是一个计算机视觉的通用任务路由器。它允许用户输入一个单一的自然语言指令，即可跨越多个视觉任务——例如生成图像、编辑图像，然后从该编辑后的图像创建3D模型——而无需手动串联不同的AI模型。

工作原理

Olympus 作为中央调度器运行。它将用户的提示解析为「路由令牌」，识别出所需的特定视觉任务。然后将这些任务分发给一组专业模型（例如，Qwen-Image 用于生成，TRELLIS.2-4B 用于3D生成），并自动解决它们之间的依赖关系，确保上一步的输出成为下一步的输入。

适用人群

专为需要通过自然语言单接口执行复杂多步骤计算机视觉流水线（涵盖20个不同任务）的研究人员和开发者设计。

主要亮点

• 多任务路由： 仅通过一个提示即可支持20种不同的计算机视觉任务。
• 资产生成： 生成完成的文件，包括 .png 图像、.mp4 视频和 .glb 3D 模型。
• 自动链式调用： 自动处理专业模型之间的数据流，用户无需手动连接步骤。
• 内存高效： 专业模型按需逐个加载和释放，以保持峰值GPU内存使用量较低。