jing-hy/picturereader

README excerpt

picturereader DSH 插件（ dsh-plugin ）— 给纯文本模型（如 deepseek-v4-flash）的"读图"能力。 把图片 降分辨率 + 降色深 + 结构/色彩指纹提取 ，渲染成文本网格喂回对话， 让模型像多模态模型一样"看"图：描述场景、主体、环境、光线与语义内容。 纯本地、零外部模型依赖、零 API key、零 Python（PaddleOCR 为可选增强） 。 这是什么 DeepSeek 等纯文本模型没有视觉编码器，无法直接看图。picturereader 把"看图"翻译成 模型能理解的 结构化文本证据 ，并提供一套经过真实图片训练验证的 读图方法论 skill（image-reading） ，让模型像人一样分步看图： 1. 全局定调 ：hue families（纯色相指纹）→ structure（条带/对称）→ texture（写实度）→ regions（色块结构） 2. 主动找主体 ：px per cell 定向放大（深色/低对比/小色块不会漏） 3. 文字验证 ：PaddleOCR 实读（防多模态幻觉） 4. 材质判断 ：image sample 像素取样 5. 综合描述 ：带证据等级的连贯画面描述 工具 工具 作用 image scan 全局/区域扫描：亮度/颜色网格 + regions 色块 + shade diversity + texture mix + structure（条带/对称）+ 像素级 colors + hue families 纯色相指纹 ；支持 focus / region 局部放大、 px per cell 像素密度定向放大 image ocr 文字识别双引擎： windows （内置，默认）/ paddle （选装，发光/弯曲/游戏字远强），失败自动降级不崩溃 image sample 8×8 精确像素取样，判断材质/纹理（金属/木纹/织物/皮肤/雾） 读图方法论 skill（image-reading） skills/image-reading.md 是经 34 张真实游戏截图训练 + gemma-4-12b 对照验证 沉淀的 读图方法论（按 experience / skill / principle / insight 分层），安装后模型自动掌握： - hue 场景指纹 ：cyan 高=水/雾/湖泊，green 高=森林，orange/red 高=暖色人物/火光， blue 高=夜晚科幻，achromatic+rough=废墟，green+yellow=翠绿能量/浮空仙境 - 多模态模型校验规则 ：游戏名/品牌必须 OCR 实读（gemma 会猜"原神/崩坏3"）； 发光元素颜色以 hue 实测为准（多模态模型系统性误标成"粉红/紫"） - 主动验证 ：低对比主体（暗色人物/小色块）必…

Category