vision-framework
iOSアプリにおいて、テキスト認識（OCR）、顔検出、バーコードスキャン、画像セグメンテーション、物体追跡、ドキュメントスキャンなどのコンピュータビジョン機能を実装します。最新のSwift標準Vision API（iOS 16以降）と従来のVNRequestパターン、ライブカメラスキャン用のVisionKit DataScannerViewController、カスタムモデル推論用のVNCoreMLRequestの両方に対応しています。OCR、バーコードスキャン、顔検出、またはVisionを使用したカスタムCore MLモデル推論を追加する際に使用してください。
description の原文を見る
Implement computer vision features including text recognition (OCR), face detection, barcode scanning, image segmentation, object tracking, and document scanning in iOS apps. Covers both the modern Swift-native Vision API (iOS 16+) and legacy VNRequest patterns, VisionKit DataScannerViewController for live camera scanning, and VNCoreMLRequest for custom model inference. Use when adding OCR, barcode scanning, face detection, or custom Core ML model inference with Vision.
SKILL.md 本文
Vision Framework
画像やビデオ内のテキスト、顔、バーコード、オブジェクト、ボディポーズをデバイス上のコンピュータビジョンを使用して検出します。パターンは iOS 26+ と Swift 6.3 を対象としており、注記された範囲で後方互換性があります。
完全なコードパターンは references/vision-requests.md を、DataScannerViewController の統合は references/visionkit-scanner.md を参照してください。
目次
- 2 つの API 世代
- リクエストパターン（モダン API）
- テキスト認識（OCR）
- 顔検出
- バーコード検出
- ドキュメントスキャン（iOS 26+）
- 画像セグメンテーション
- オブジェクトトラッキング
- [その他のリクエストタイプ](#その他のリクエスト
...
詳細情報
- 作者
- dpearson2699
- ライセンス
- NOASSERTION
- 最終更新
- 不明
Source: https://github.com/dpearson2699/swift-ios-skills / ライセンス: NOASSERTION
関連スキル
agent-browser
AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。
anyskill
AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。
engram
AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。
skyvern
AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。
pinchbench
PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。
openui
OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。