RRepoGEO

REPOGEO 报告 · LITE

awaisrauf/Awesome-CV-Foundational-Models

默认分支 main · commit 3f2f8f1c · 扫描时间 2026/6/14 04:53:01

星标 549 · Fork 33

AI 可见性总分
17 /100
亟需修复
品类召回
0 / 2
在所有问题中均未被推荐
规则结果
通过 1 · 警告 0 · 失败 1
客观元数据检查
AI 认识你的名字
1 / 3
直接询问时,AI 是否点名你的仓库
如何阅读这份报告

行动计划告诉你下一步要做什么——按影响力排序、可直接复制粘贴的修改。品类可见性是真正的 GEO 测试:当用户向 AI 提一个不带品牌、本应让 awaisrauf/Awesome-CV-Foundational-Models 浮出水面的问题时,AI 是真的推荐了你,还是推荐了你的竞品?客观检查验证 AI 引擎最先权衡的那些元数据信号。自指检查判断 AI 是否还认识你的名字。

行动计划 — 可复制粘贴的修复

2 条由 gemini-2.5-flash 生成、按优先级排序的修改。修完后请把对应条目标记为完成。

整体方向
  • highabout#1
    Add a concise description to the About section

    原因:

    复制粘贴的修复
    A comprehensive survey and curated list of foundational models defining a new era in computer vision, accepted for publication by TPAMI.
  • mediumlicense#2
    Add a LICENSE file

    原因:

    复制粘贴的修复
    Create a `LICENSE` file in the repository root, specifying a standard open-source license (e.g., MIT or Apache-2.0) that applies to the content of this survey/list.

本次扫描解析到的品类 GEO 通道:google/gemini-2.5-flash, deepseek/deepseek-v4-flash

品类可见性 — 真正的 GEO 测试

向 google/gemini-2.5-flash 提出的不带品牌问题。AI 推荐了你,还是推荐了别人?

各模型使用同一组问题 — 切换标签对比回答与排名。

召回
0 / 2
0% 的问题里出现了 awaisrauf/Awesome-CV-Foundational-Models
平均排名
越小越好。#1 表示首位推荐。
声量占比
0%
在所有被点名的工具中,你占了多少?
头号对手
ViT (Vision Transformer)
在 2 个问题中被推荐 1 次
竞品排行
  1. ViT (Vision Transformer) · 被推荐 1 次
  2. Swin Transformer · 被推荐 1 次
  3. MAE (Masked Autoencoders Are Scalable Vision Learners) · 被推荐 1 次
  4. CLIP (Contrastive Language-Image Pre-training) · 被推荐 1 次
  5. DALL-E 2 · 被推荐 1 次
  • 品类问题
    What are the latest advancements in large-scale vision models for general understanding?
    你:未被推荐
    AI 推荐顺序:
    1. ViT (Vision Transformer)
    2. Swin Transformer
    3. MAE (Masked Autoencoders Are Scalable Vision Learners)
    4. CLIP (Contrastive Language-Image Pre-training)
    5. DALL-E 2
    6. Stable Diffusion
    7. Midjourney
    8. Flamingo
    9. DINO (Self-supervised Vision Transformers with DINO)
    10. SimCLR
    11. MoCo (Momentum Contrast)
    12. CoCa (Contrastive Captioners are Image-Text Foundation Models)
    13. Data2vec

    AI 推荐了 13 个替代方案,却始终没点名 awaisrauf/Awesome-CV-Foundational-Models。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    How can I find resources on multi-modal AI models for advanced visual scene reasoning?
    你:未被推荐
    AI 推荐顺序:
    1. arXiv.org
    2. Google Scholar
    3. Papers With Code
    4. Hugging Face Hub
    5. GitHub
    6. YouTube
    7. Medium
    8. Towards Data Science

    AI 推荐了 8 个替代方案,却始终没点名 awaisrauf/Awesome-CV-Foundational-Models。这就是要补上的差距。

    查看 AI 完整回答

客观检查

针对 AI 引擎最看重的元数据信号的规则审计。

  • Metadata completeness
    fail

    建议:

  • README presence
    pass

自指检查

当被直接问到你时,AI 是否还知道你的仓库存在?

  • Compared to common alternatives in this category, what is the core differentiator of awaisrauf/Awesome-CV-Foundational-Models?
    pass
    AI 未点名 awaisrauf/Awesome-CV-Foundational-Models —— 很可能在说另一个项目

    AI 的回答可能信誓旦旦却是错的。请按事实核对:技术栈、目标人群、差异化点是不是和你实际的对得上?

  • If a team adopts awaisrauf/Awesome-CV-Foundational-Models in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 awaisrauf/Awesome-CV-Foundational-Models

    AI 的回答可能信誓旦旦却是错的。请按事实核对:技术栈、目标人群、差异化点是不是和你实际的对得上?

  • In one sentence, what problem does the repo awaisrauf/Awesome-CV-Foundational-Models solve, and who is the primary audience?
    pass
    AI 未点名 awaisrauf/Awesome-CV-Foundational-Models —— 很可能在说另一个项目

    AI 的回答可能信誓旦旦却是错的。请按事实核对:技术栈、目标人群、差异化点是不是和你实际的对得上?

嵌入你的 GEO 徽章

把这个徽章贴进 awaisrauf/Awesome-CV-Foundational-Models 的 README。每次重新扫描都会自动更新,并跳到最新报告——是「我在乎 AI 可发现性」最简单的公开证明。

RepoGEO badge preview实时预览
MARKDOWN(README)
[![RepoGEO](https://repogeo.com/badge/awaisrauf/Awesome-CV-Foundational-Models.svg)](https://repogeo.com/zh/r/awaisrauf/Awesome-CV-Foundational-Models)
HTML
<a href="https://repogeo.com/zh/r/awaisrauf/Awesome-CV-Foundational-Models"><img src="https://repogeo.com/badge/awaisrauf/Awesome-CV-Foundational-Models.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro,解锁深度诊断

awaisrauf/Awesome-CV-Foundational-Models — 轻量扫描仍免费;本卡列出 Pro 相对轻量的深度额度。

  • 深度报告每月 10 次
  • 无品牌品类查询5,轻量 2
  • 优先行动项8,轻量 3