#image-captioning Repositories
Entdecke 24 aktive Open-Source-GitHub-Repositories, die mit #image-captioning getaggt sind und insgesamt 94,220 Sterne gesammelt haben (durchschnittlich 3,925 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist Vision-CAIR/MiniGPT-4 mit 25,770 Sternen.
Insgesamt 24 Repositories
Open-Source-Codes für MiniGPT-4 und MiniGPT-v2 (https://minigpt-4.github.io, https://minigpt-v2.github.io/)
PyTorch-Code für BLIP: Bootstrapping Language-Image Pre-training für unified Vision-Language Understanding und Generation
Keras-Modell zur Generierung von HTML-Code aus handgezeichneten Website-Mockups. Implementiert eine Bildbeschreibungsarchitektur für gezeichnete Quellbilder.
InternGPT (iGPT) ist eine Open-Source-Demo-Plattform, auf der Sie Ihre KI-Modelle einfach präsentieren können. Jetzt unterstützt es DragGAN, ChatGPT, ImageBind, multimodale Chats wie GPT-4, SAM, interaktive Bildbearbeitung usw. Probieren Sie es unter igpt.opengvlab.com aus (Online-Demo-System, das DragGAN, ChatGPT, ImageBind, SAM unterstützt).
Offizielle Repository von OFA (ICML 2022). Paper: OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework
Einfache Swift-Klasse, um alle Konfigurationen bereitzustellen, die Sie für die Erstellung einer benutzerdefinierten Kameraansicht in Ihrer App benötigen
Die Implementierung von "Prismer: Ein Vision-Language-Modell mit Multi-Task-Experten".
:fire: :fire: :fire: Eine Papiere-Liste einiger neuerer Arbeiten im Bereich Computer Vision (CV)
AI‑VTuber mit LLM, ASR, TTS, OCR, CV und weiteren Technologien, um Live‑Streams zu erstellen oder Minecraft mit Ihnen zu spielen.
Erweiterung zum Bearbeiten von Datensatzunterschriften für die SD-Weboberfläche von AUTOMATIC1111
Twitter-Daten-Scraping, einbettungsbasierte Bildersuche und mehr.
👁️ + 💬 + 🎧 = 🤖 Kuratierte Liste der besten Foundation- und multimodalen Modelle! [Paper + Code + Beispiele + Tutorials]
Empfohlen basierend auf ComfyUI-Knotenbildern: Joy_caption + MiniCPMv2_6-prompt-generator + florence2
ComfyUI-Nodes für Vision-Language-Modelle: Qwen3-VL, Moondream 3, Florence-2, SmolVLM2, InternVL, Gemma 3, MiniCPM-V. Sowie Open-Vocabulary-Erkennung, SAM2/SAM3-Segmentierung, zeitliche Videobetrachtung, GGUF via llama.cpp und gehostete LLM/VLM-APIs.
Die erfolgreiche Integration der Qwen3-VL-Instruct-Serie in die ComfyUI-Plattform hat einen reibungslosen Betrieb ermöglicht, der (aber nicht ausschließlich) textbasierte Abfragen, Videoabfragen, Abfragen mit einem einzigen Bild sowie Abfragen mit mehreren Bildern zur Erzeugung von Untertiteln oder Antworten unterstützt.
Häufig gestellte Fragen
Welches ist das beliebteste #image-captioning-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#image-captioning-Projekt auf GitHub ist Vision-CAIR/MiniGPT-4 mit 25,770 Sternen. Open-Source-Codes für MiniGPT-4 und MiniGPT-v2 (https://minigpt-4.github.io, https://minigpt-v2.github.io/)
Welche Programmiersprachen werden in #image-captioning-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #image-captioning-Projekten auf GitHub sind Python, Jupyter Notebook, Swift die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #image-captioning-Repositories berechnet?
Wir verfolgen 24 aktive Open-Source-Repositories, die mit #image-captioning getaggt sind (500+ Sterne), mit insgesamt 94,220 Sternen und durchschnittlich 3,925 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.