physical-ai-defect-image-generation
用于在 OSMO 上编排 NVIDIA Cosmos AnomalyGen（基于 Cosmos-Predict2）缺陷图像生成、增强与标注流程的技能，面向 PCBA、金属表面和玻璃的 AOI 数据集。
Skill 广场
找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 11-11 00:16
设计与创作
22,779 个结果
physical-ai-video-data-augmentation
NVIDIA 的 Physical AI 视频数据增强工作流编排技能，用于在 OSMO 上执行视频数据增强与自动标注，涵盖流程选择、预检、缓存就绪、提交时插值、监控与输出获取。
tao-finetune-cosmos-embed
NVIDIA TAO 的 Cosmos-Embed1 视频-文本联合嵌入技能，用于文搜视频、视频搜视频、零样本/kNN 分类与语义去重，支持训练、评估、推理和导出（ONNX/HF）。
tao-generate-video-reasoning-annotations
NVIDIA TAO 技能库中的视频推理标注流水线，将原始视频转为思维链（CoT）训练数据，生成多级字幕、结构化描述与问答对（选择题、判断题、开放式），支持断点续跑与领域定制。
tao-mine-aoi-images
NVIDIA TAO 技能库中的 DEFT 挖掘与嵌入技能，用于 VCN AOI 迭代：对目标 parquet 与源池分别做图像嵌入，再执行最近邻挖掘，产出与弱目标相似的去重源图 parquet，供下一轮训练使用。
tao-train-action-recognition
用于视频序列的动作识别训练技能，支持 RGB、光流及多流（joint）输入，对视频片段中的时序动作进行分类。提供基于 Docker 的训练、评估、推理与导出流程，并支持 AutoML 超参优化。
tao-train-bevfusion
NVIDIA TAO 技能库中的 BEVFusion 模型技能，用于多传感器 3D 目标检测，在鸟瞰图（BEV）空间融合 LiDAR 点云与相机图像，面向自动驾驶的鲁棒 3D 感知。
tao-train-depth-anything-v2
基于 NVIDIA TAO 的单目深度估计技能，使用 Metric Depth Anything v2 或 Relative Depth Anything 架构，从单张 RGB 图像预测逐像素深度。支持 train、evaluate、inference、export、quantize 等 PyT 动作，训练层支持 AutoML。
tao-train-foundation-stereo
基于 FoundationStereo 的立体深度估计技能，从左右图像对预测视差图，用于三维重建。支持训练、评估、推理、导出与量化，使用 Depth Anything v2 和 EdgeNeXt 预训练编码器，通过 TAO depth_net CLI 运行。
tao-train-mask2former
NVIDIA TAO 技能库中的 Mask2Former 通用图像分割技能，支持全景、实例与语义分割，基于 Transformer 与掩码注意力获得高质量结果。提供训练、评估、推理、导出与量化流程，并可在满足条件时通过 AutoML 进行超参搜索。
tao-train-nvpanoptix3d
NVIDIA TAO 技能库中的 NVPanoptix3D 模型技能，用于从已定位的 RGB 图像重建全景 3D 场景，输出语义、实例与全景分割掩码并完成占用补全。基于 VGGT 骨干与 Mask2Former 风格头部，支持训练、评估、推理与导出。
tao-train-ocrnet
NVIDIA TAO 技能库中的 OCRNet 场景文字识别技能，用于从裁剪后的文本区域图像识别文字内容，支持 CTC 与注意力解码器，覆盖数据转换、训练、评估、推理、导出、剪枝、量化、重训练及 TensorRT 部署流程。
tao-train-oneformer
NVIDIA TAO 技能库中的 OneFormer 通用图像分割模型技能，用单一架构与任务条件查询统一全景、实例和语义分割。支持训练、评估、推理、导出、量化及 TensorRT 部署流程，含 AutoML 与多 GPU 配置。
tao-train-pointpillars
NVIDIA TAO 技能库中的 PointPillars 技能，用于从 LiDAR 点云做 3D 目标检测：先把点云按 pillar 表示编码为伪图像，再用 2D 检测流程处理，常用于自动驾驶与机器人场景。
tao-train-visual-changenet
NVIDIA TAO Toolkit 的 Visual ChangeNet 技能，用于 AOI 缺陷检测中的二值图像分类与像素级变化分割。支持训练、评估、推理、导出、量化及 TensorRT 部署，含 AutoML 训练策略与数据集校验脚本。
vss-deploy-video-embedding
用于部署、运行和集成 NVIDIA VSS 3.2 GA RT-Embed 视频嵌入微服务的技能，涵盖 Docker Compose 启动、GPU 与存储准备、Cosmos-Embed1-448p 模型下载、文本/视频/RTSP 流嵌入生成及故障排查。
vss-generate-video-calibration
用于在本地MP4、RTSP流或内置样例数据集上运行 AutoMagicCalib（AMC）自动标定，并在需要时部署 vss-auto-calibration 微服务。需配合已部署且可达的VSS配置/微服务，不适合非AMC场景。
vss-search-archive
NVIDIA VSS 技能：对归档视频运行 VSS fusion 搜索，以及为搜索摄取视频文件或 RTSP 流、删除已摄取源。属于 Alpha 功能，不推荐生产使用。
vss-summarize-video
用于对单个已录制视频片段生成叙事摘要的 NVIDIA 技能：优先调用 LVS 摘要微服务（需人工确认场景与事件），服务不可用时回退到 VLM 直接推理。不适用于实时 RTSP 字幕、报告生成或归档语义搜索。
beautify-github-readme
用于美化 GitHub README 首页或生成项目专属视觉素材的技能，支持纯 SVG、SVG 混合合成的 PNG/WebP，以及需用户明确选择才生成的动画 GIF。
geo-sleuth
geo-sleuth 是一个用于照片地理定位与时间定位的技能，通过工具验证的推理流程，从照片中推断拍摄地点或拍摄时间，强调每条结论都需对应实际运行的命令与产出文件。
3d-modeling
面向 3D 建模的专家技能，覆盖拓扑、UV 展开、高低模烘焙、重拓扑与游戏/影视制作流程，强调导出前应用缩放旋转、避免 N-gon、统一纹素密度等生产规范，并给出 DCC 工具与引擎集成方面的指导。
game-ui-design
面向游戏 UI 设计的技能包，提供 HUD、菜单与界面设计的专家级指导，强调清晰度、沉浸感、手柄优先导航与无障碍设计，并配套模式、故障与校验参考文件作为领域依据。
pixel-art-sprites
角色扮演像素美术专家，专注像素画创作、精灵动画与受限调色板设计，适用于像素画、精灵图集、复古游戏美术等场景。