open-gigaai/giga-models

GigaModels – 即用型 AI 流水線工具箱

是什麼 – GigaModels 是一個開源的 Python 套件，將數十個預訓練的視覺、擴散與多模態模型（例如：Grounding DINO、Depth Anything、GigaBrain‑0、Pi0、Cosmos‑Predict2.5）封裝在統一的 load_pipeline API 後方。支援推論與訓練，提供即開即用的指令碼，並可透過 conda + pip 安裝。

核心理念

• 統一介面 – 每種模型類型（例如：深度估計、物件檢測、擴散影片生成）皆封裝於 *Pipeline 類別中，遵循相同的呼叫語法（pipeline(input)）。
• 廣泛涵蓋 – 倉儲列出超過 30 個流水線，涵蓋：
  • 視覺-語言-動作（VLA）模型，如 GigaBrain‑0、Pi0、Pi0.5
  • 用於影片預測/轉移的擴散模型（GigaWorld‑0、Cosmos‑Predict2.5、Cosmos‑Transfer2.5）
  • 傳統視覺任務：深度（Depth Anything、DPT）、檢測（Grounding DINO）、邊緣檢測（Canny、HED、Lineart 等）、幀插值（Film）、影像修復（PromptIR）、關鍵點檢測（OpenPose、RTMPose）、光流（UniMatch）、分割（Grounded SAM 2、Segment Anything、UperNet）、鏡頭邊界檢測（TransNetV2）。
• 支援推論與訓練 – 對於 VLA 與擴散模型家族，README 提供獨立的推論指令碼與訓練設定連結，讓研究者能微調模型。
• 模組化結構 – 原始碼樹依 giga_models/pipelines/<task>/<model>/pipeline_*.py 組織，並包含 projects/ 資料夾，內含範例指令碼與設定檔。

安裝

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 .

套件以可編輯模式安裝，允許您在本地修改流水線。

快速入門範例

from PIL import Image
from giga_models import load_pipeline

img = Image.open('my_photo.jpg')
# 使用 Grounding DINO 進行物件檢測
pipe = load_pipeline('detection/grounding_dino/swint_ogc')
boxes, labels, scores = pipe(img, ['person', 'car'])

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

此模式適用於所有列出的流水線。

如何貢獻 – 此專案遵循 Apache‑2.0 授權，歡迎提交拉取請求。CONTRIBUTING.md 檔案說明了程式碼風格、測試方式，以及如何新增流水線。

引用 – 若您在研究中使用 GigaModels，請依照 README 所示方式引用該倉儲。

---

總結 – GigaModels 是一個真正可投入生產的多模態與感知 AI 模型集合，專為希望以即插即用方式實驗多種先進視覺與生成流水線的開發者設計，無需分別處理每個模型的重複程式碼。