EHxuban11 · Nov 11, 2026 · Nov 11, 2026 · Nov 11, 2026 · Nov 11, 2026
diff --git a/README.md b/README.md
diff --git a/README.zh-CN.md b/README.zh-CN.md
@@ -1,40 +1,36 @@
-# LibreYOLO
+<div align="center">
 
-[English](README.md) | [简体中文](README.zh-CN.md)
+<img src="docs/readme/banner.png" alt="LibreYOLO，采用 MIT 许可证的计算机视觉库。pip install libreyolo" width="100%">
 
-> **注意：** 本中文 README 由 AI 翻译，可能包含不准确或不自然的表述。请以英文 README 为准。
+<br>
 
-> ⭐ **支持 LibreYOLO。** 帮助项目最好的方式是给仓库 **star**。如果你遇到问题或有建议，欢迎[打开 issue](https://github.com/LibreYOLO/libreyolo/issues/new)；也欢迎代码贡献（见 [CONTRIBUTING.md](CONTRIBUTING.md)）。 如果你愿意在经济上支持项目，非常欢迎：请查看[赞助计划](SPONSORS.md)。
+检测、分割、姿态、深度、OCR 等任务共用一套精简 API，<br>
+训练和导出均已内置。
 
-[![Documentation](https://img.shields.io/badge/docs-libreyolo.com-blue)](https://www.libreyolo.com/docs)
 [![PyPI](https://img.shields.io/pypi/v/libreyolo)](https://pypi.org/project/libreyolo/)
 [![PyPI Downloads](https://static.pepy.tech/badge/libreyolo)](https://pepy.tech/projects/libreyolo)
-[![Hugging Face](https://img.shields.io/badge/%F0%9F%A4%97%20Hugging%20Face-LibreYOLO-yellow)](https://huggingface.co/LibreYOLO)
-[![Benchmarks](https://img.shields.io/badge/benchmarks-visionanalysis.org-purple)](https://www.visionanalysis.org/)
-[![Greptile: The War on Bugs](https://www.greptile.com/badge.svg)](https://www.greptile.com/?utm_source=oss_badge&utm_medium=readme&utm_campaign=greptile_for_open_source)
-[![LinkedIn](https://img.shields.io/badge/LinkedIn-LibreYOLO-blue?logo=linkedin)](https://www.linkedin.com/company/libreyolo/)
 [![License](https://img.shields.io/badge/license-MIT-green)](LICENSE)
+[![Documentation](https://img.shields.io/badge/docs-libreyolo.com-blue)](https://www.libreyolo.com/docs)
+[![Hugging Face](https://img.shields.io/badge/%F0%9F%A4%97%20Hugging%20Face-LibreYOLO-yellow)](https://huggingface.co/LibreYOLO)
 [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/LibreYOLO/libreyolo/blob/release/notebooks/quickstart.ipynb)
+[![Greptile: The War on Bugs](https://www.greptile.com/badge.svg)](https://www.greptile.com/?utm_source=oss_badge&utm_medium=readme&utm_campaign=greptile_for_open_source)
+
+[English](README.md) | [简体中文](README.zh-CN.md)
 
-**一个采用 MIT 许可证的计算机视觉库。** 检测、分割、姿态、深度、OCR
-等十几种任务共用一套精简 API，训练和导出内置提供，而非单独收费。
-支持读取常见的 YOLO 格式数据集，因此现有工作流只需少量改动即可迁移。
+</div>
 
-![LibreYOLO 检测示例](libreyolo/assets/guggenheim-bilbao_result.jpg)
+> **注意：** 本中文 README 由 AI 翻译，可能包含不准确或不自然的表述。请以英文 README 为准。
+
+> ⭐ **支持 LibreYOLO。** 帮助项目最好的方式是给仓库 **star**。如果你遇到问题或有建议，欢迎[打开 issue](https://github.com/LibreYOLO/libreyolo/issues/new)；也欢迎代码贡献（见 [CONTRIBUTING.md](CONTRIBUTING.md)）。 如果你愿意在经济上支持项目，非常欢迎：请查看[赞助计划](SPONSORS.md)。
+
+<p align="center"><img src="libreyolo/assets/guggenheim-bilbao_result.jpg" width="520" alt="LibreYOLO 在毕尔巴鄂古根海姆图片上的检测结果"></p>
 
 ## 安装
 
 ```bash
 pip install libreyolo
 ```
 
-```python
-from libreyolo import LibreYOLO, SAMPLE_IMAGE
-
-model = LibreYOLO("LibreYOLO9t.pt")
-result = model(SAMPLE_IMAGE, save=True)
-```
-
 <details>
 <summary><b>可选扩展依赖</b></summary>
 
@@ -95,7 +91,55 @@ export HF_ENDPOINT=https://hf-mirror.com
 
 </details>
 
-## 一套 API，二十二种任务
+## 训练
+
+```python
+from libreyolo import LibreYOLO
+
+model = LibreYOLO("LibreYOLO9t.pt")
+model.train(data="dataset.yaml", epochs=100, imgsz=640)
+```
+
+```bash
+libreyolo train --model yolo9-t --data dataset.yaml --epochs 100
+```
+
+多 GPU、LoRA、层冻结、蒸馏、从零训练，以及 TensorBoard、MLflow、
+Weights & Biases、Comet、ClearML、Neptune 和 DVCLive 日志记录均受支持。
+详见[训练指南](https://www.libreyolo.com/docs/train)。
+
+## 推理
+
+```python
+from libreyolo import LibreYOLO, SAMPLE_IMAGE
+
+model = LibreYOLO("LibreYOLO9t.pt")
+result = model(SAMPLE_IMAGE, save=True)
+```
+
+直接用名称从 Hugging Face 加载任意模型：`LibreYOLO("LibreYOLO/LibreYOLO9t")`。
+
+输入源不只是文件。它还可以是摄像头、RTSP 流、视频、目录、YouTube 链接或你的屏幕：
+
+```bash
+libreyolo predict --model yolo9-t --source 0 --show          # 摄像头
+libreyolo predict --model yolo9-t --source rtsp://camera/1   # 网络摄像头
+libreyolo predict --model yolo9-t --source screen            # 屏幕捕获
+```
+
+## 导出
+
+十二种格式：ONNX、TorchScript、TensorRT、OpenVINO、CoreML、Core AI、
+TFLite（LiteRT）、NCNN、MNN、RKNN、Paddle 和 ExecuTorch。另支持 NVIDIA
+Triton 服务和 DeepStream 配置生成。
+
+```bash
+libreyolo export --model yolo9-t --format onnx
+```
+
+支持范围因模型系列和任务而异，见[导出矩阵](https://www.libreyolo.com/docs/reference/export-matrix)。
+
+## 不止检测
 
 每种任务都是同样的三行代码，只有权重文件不同。
 
@@ -108,18 +152,45 @@ LibreYOLO("LibreHRNetw32-pose.pt")("street.jpg", save=True)      # 姿态
 LibreYOLO("LibreMiDaSs-depth.pt")("street.jpg", save=True)       # 深度
 LibreYOLO("LibreFeyNobgl-matte.pt")("portrait.jpg", save=True)   # 背景移除
 LibreYOLO("LibreRTDETRv2n-obb.pt")("aerial.jpg", save=True)      # 旋转框
+LibreYOLO("LibreSEARAFTm-flow.pt")("clip.mp4", save=True)        # 光流，每对相邻帧输出一个结果
 ```
 
-输入源不只是文件。它还可以是摄像头、RTSP 流、视频、目录、YouTube 链接或你的屏幕：
+## 为什么选择 LibreYOLO
 
-```bash
-libreyolo predict --model yolo9-t --source 0 --show          # 摄像头
-libreyolo predict --model yolo9-t --source rtsp://camera/1   # 网络摄像头
-libreyolo predict --model yolo9-t --source screen            # 屏幕捕获
-```
+<table>
+  <tr><td><b>MIT 代码</b></td><td>可用于闭源产品，无需公开你自己的代码。</td></tr>
+  <tr><td><b>内置训练</b></td><td><code>model.train()</code> 支持多 GPU、LoRA、层冻结和蒸馏。</td></tr>
+  <tr><td><b>内置导出</b></td><td>十二种格式，从 ONNX、TensorRT 到 CoreML、RKNN 和 ExecuTorch。</td></tr>
+  <tr><td><b>沿用你的数据集</b></td><td>支持读取 YOLO 格式数据集，现有工作流只需少量改动即可迁移。</td></tr>
+  <tr><td><b>一套 API</b></td><td>二十三种任务使用同样的调用方式。换权重，不换代码。</td></tr>
+  <tr><td><b>权重许可证清晰</b></td><td><a href="https://huggingface.co/LibreYOLO">Hugging Face</a> 上的每个模型都标明了许可证。</td></tr>
+</table>
+
+一些常用的 YOLO 库采用 AGPL-3.0 许可证，基于它们构建的软件（包括网络服务）
+可能需要公开源代码。LibreYOLO 的代码采用 MIT 许可证。
+
+## 精度与速度
+
+<picture>
+  <source media="(prefers-color-scheme: dark)" srcset="docs/readme/chart-coco-latency-dark.svg">
+  <img src="docs/readme/chart-coco-latency-light.svg" alt="YOLOv9、RF-DETR、D-FINE、DEIM 和 RT-DETRv2 在 Jetson Orin Nano Super 上的 COCO mAP 与延迟" width="100%">
+</picture>
+
+<sub>纵轴为 COCO val2017 mAP 50-95（500 张图像子集），横轴为单张图像端到端延迟
+（p50，batch 1），平台为 NVIDIA Jetson Orin Nano Super 8GB，TensorRT FP16。
+图中每个点都是一个 LibreYOLO 权重。数据来自
+[Vision Analysis](https://www.visionanalysis.org/)，该站点还提供其他设备和运行时的结果。
+图表由 [`scripts/readme/make_chart.py`](scripts/readme/make_chart.py) 生成。</sub>
 
 ## 内置内容
 
+从经典检测器到深度估计、OCR、视频嵌入、机器人动作和 3D 生成。
+
+<details>
+<summary><b>全部任务与模型系列</b></summary>
+
+<br>
+
 | 任务 | 模型 |
 | --- | --- |
 | **检测** | YOLOv9、RF-DETR、YOLOX、YOLO-NAS、D-FINE、DEIM、RT-DETR v1/v2/v4、RTMDet、PicoDet、PP-YOLOE、YOLOv7、EfficientDet，以及经典模型：DETR、Deformable DETR、DINO-DETR、LW-DETR、Faster R-CNN、RetinaNet、SSD、FCOS、CenterNet |
@@ -129,75 +200,56 @@ libreyolo predict --model yolo9-t --source screen            # 屏幕捕获
 | **语义分割** | SegFormer、PIDNet、PP-LiteSeg、U-Net、DeepLabv3、FCN、LingBot-Vision、DINOv2、EoMT |
 | **全景分割** | EoMT |
 | **姿态** | RF-DETR、YOLO-NAS、HRNet、DEKR、EC |
-| **旋转框（OBB）** | RF-DETR、RT-DETRv2、YOLO-NAS-R |
+| **旋转框（OBB）** | RF-DETR、RT-DETRv2、RiO-DETRv2、YOLO-NAS-R |
 | **三维检测** | WildDet3D、3D-MOOD、FCOS3D、DetAny3D（独立运行环境） |
 | **分类** | MobileNetV4、ConvNeXt、EfficientNetV2、ResNet、ViT、Swin、DeiT、VGG、AlexNet、CLIP、SigLIP2、DINOv2 |
-| **深度估计** | Depth Anything 3、Depth Anything V2、ZipDepth、MiDaS、MoGe-3 |
+| **深度估计** | Depth Anything 3、Depth Anything V2、Video Depth Anything、ZipDepth、MiDaS、MoGe-3 |
 | **表面法线** | MoGe-3、MoGe-2 |
 | **深度、法线与反照率** | Marigold V2 |
 | **边缘检测** | DexiNed、TEED |
+| **光流** | SEA-RAFT、NeuFlow v2、RAFT、WAFT、FlowSeek、DPFlow、UniMatch、MEMFOF |
 | **嵌入** | LibreFaceEmbedder、CLIP、SigLIP2、Perception Encoder（图像、文本、整段视频；亦支持零样本分类）、DINOv2 |
 | **视频嵌入** | V-JEPA 2（片段嵌入及可训练分类探针）、LeVJEPA（片段及分块嵌入；权重采用 CC BY-NC 4.0） |
-| **人体网格** | SAM 3D Body, InstantHMR |
+| **人体网格** | SAM 3D Body、InstantHMR |
 | **图像复原** | DDColor、HVI-CIDNet、LaMa、NAFNet、QuickSRNet、Real-ESRGAN、SwinIR |
-| **背景移除** | BiRefNet、FeyNobg、ViTMatte |
+| **背景移除** | BiRefNet、FeyNobg、BEN2、ViTMatte |
 | **OCR** | PP-OCR、DeepSeek-OCR、DeepSeek-OCR-2、PaddleOCR-VL、GLM-OCR、Falcon OCR |
 | **文档版面分析** | PP-DocLayoutV3（版面区域及阅读顺序） |
 | **点检测** | FOMO、LocateAnything |
 | **视线估计** | L2CS |
-| **开放词汇与 VLM** | Grounding DINO、OWLv2、OmDet-Turbo、OV-DEIM、Florence-2、Kosmos-2、Qwen3-VL、InternVL3、LFM2-VL、North Micro Vision、SmolVLM2、Molmo2、WeVisOne-VL、MODUS |
-| **机器人动作 (VLA)** | SmolVLA, ACT, Diffusion Policy |
-| **图像生成** | FLUX.2 klein, SANA-Sprint, PRX, PRXPixel |
-| **3D 生成** | Speridlabs Idol, TripoSplat, TRELLIS, TRELLIS.2, LGM, TripoSR, CRM, Direct3D-S2 |
-
-各模型系列的尺寸、权重与一致性验证证据见[模型参考](https://www.libreyolo.com/docs/models)。
-
-## 训练
+| **开放词汇与 VLM** | Grounding DINO、OWLv2、OmDet-Turbo、OV-DEIM、Florence-2、Kosmos-2、Qwen3-VL、InternVL3、LFM2-VL、North Micro Vision、SmolVLM2、Gemma 4、Moondream、Molmo2、WeVisOne-VL、MODUS |
+| **机器人动作（VLA）** | SmolVLA、ACT、Diffusion Policy |
+| **图像生成** | FLUX.2 klein、SANA-Sprint、PRX、PRXPixel |
+| **3D 生成** | Speridlabs Idol、TripoSplat、TRELLIS、TRELLIS.2、LGM、TripoSR、CRM、Direct3D-S2 |
 
-```python
-from libreyolo import LibreYOLO
-
-model = LibreYOLO("LibreYOLO9t.pt")
-model.train(data="dataset.yaml", epochs=100, imgsz=640)
-```
-
-```bash
-libreyolo train --model yolo9-t --data dataset.yaml --epochs 100
-```
-
-多 GPU、LoRA、层冻结、蒸馏、从零训练，以及 TensorBoard、MLflow、
-Weights & Biases、Comet、ClearML、Neptune 和 DVCLive 日志记录均受支持。
-详见[训练指南](https://www.libreyolo.com/docs/train)。
-
-## 导出与部署
-
-十二种格式：ONNX、TorchScript、TensorRT、OpenVINO、CoreML、Core AI、
-TFLite（LiteRT）、NCNN、MNN、RKNN、Paddle 和 ExecuTorch。另支持 NVIDIA
-Triton 服务和 DeepStream 配置生成。
-
-```bash
-libreyolo export --model yolo9-t --format onnx
-```
+</details>
 
-支持范围因模型系列和任务而异，见[导出矩阵](https://www.libreyolo.com/docs/reference/export-matrix)。
+各模型系列的尺寸、权重与一致性验证证据见[模型参考](https://www.libreyolo.com/docs/models)。
 
 ## 文档
 
 - [文档](https://www.libreyolo.com/docs)涵盖安装、任务、模型、训练、推理、导出和 CLI
 - [基准测试](https://www.visionanalysis.org/)提供独立的第三方数据
 - [CHANGELOG.md](CHANGELOG.md) 记录版本变更
+- [LinkedIn](https://www.linkedin.com/company/libreyolo/) 发布版本动态
+
+## 贡献者
+
+<a href="https://github.com/LibreYOLO/libreyolo/graphs/contributors">
+  <img src="https://contrib.rocks/image?repo=LibreYOLO/libreyolo" alt="LibreYOLO 贡献者">
+</a>
 
 ## 赞助
 
 代码在业余时间编写。训练新模型（例如 LibreYOLO26，以及为权重许可受限的模型家族重新训练 MIT 权重）需要租用 GPU，[LibreYOLO 赞助计划](SPONSORS.md)为此付费。企业每月赞助 $100 起即可在此展示 logo；每月 $500 起，还会在每次发布说明以及赞助期间发布的每个权重的模型卡中署名。硬件厂商可以通过寄送设备来赞助。
 
 [![Sponsor](https://img.shields.io/badge/sponsor-Open%20Collective-7fadf2?logo=opencollective)](https://opencollective.com/libreyolo)
 
-暂无赞助商。
+**支持者。** 感谢所有捐助过的朋友：
+
+<a href="https://github.com/picjul" title="Mattia Di Giusto"><img src="docs/readme/supporters/picjul.png" width="48" height="48" alt="Mattia Di Giusto"></a> <a href="https://github.com/Magellol" title="Thomas Lefebvre (ma.ge)"><img src="docs/readme/supporters/Magellol.png" width="48" height="48" alt="Thomas Lefebvre"></a>
 
 ## 许可证
 
 - **代码：** MIT License。
-- **权重：** 预训练权重可能继承原始来源的许可证，且并非全部为宽松许可。
-  商用前请先查看具体 Hugging Face 仓库上的许可证。每个 LibreYOLO
-  Hugging Face 模型都会标明其许可证。
+- **权重：** 商用前请先查看具体 Hugging Face 仓库的许可证。每个 LibreYOLO Hugging Face 模型都会标明其许可证。
diff --git a/SPONSORS.md b/SPONSORS.md
@@ -100,4 +100,5 @@ None yet.
 
 People who contribute any amount, listed by name.
 
-- Mattia Di Giusto
+- Mattia Di Giusto ([@picjul](https://github.com/picjul))
+- Thomas Lefebvre ([@Magellol](https://github.com/Magellol))
diff --git a/docs/readme/banner.png b/docs/readme/banner.png