#vision-and-language Repositories
Entdecke 25 aktive Open-Source-GitHub-Repositories, die mit #vision-and-language getaggt sind und insgesamt 67,711 Sterne gesammelt haben (durchschnittlich 2,708 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist aishwaryanr/awesome-generative-ai-guide mit 30,359 Sternen.
Insgesamt 25 Repositories
Ein zentrales Repository für Updates zur generativen KI-Forschung, Interviewressourcen, Notizbücher und vieles mehr!
Optimierung des Fine-Tuning-Prozesses für multimodale Modelle: PaliGemma 2, Florence-2 und Qwen2.5-VL
[EMNLP-2024] Multimodale Sprachagenten für schnelle Prototypenentwicklung und Produktion erstellen
VLX-Seek ist ein effizientes VLM, das in unkontrollierten Umgebungen feingranulare visuelle Ziele mit hoher Präzision lokalisiert.
Code für den ICML 2021 (langer Vortrag) Paper: "ViLT: Vision-and-Language Transformer ohne Faltung oder Regionsüberwachung"
Die Implementierung von "Prismer: Ein Vision-Language-Modell mit Multi-Task-Experten".
[ECCV 2024 Best Paper Kandidat & TPAMI 2025] PointLLM: Große Sprachmodelle befähigen, Punktwolken zu verstehen
Ein allgemeines Repräsentationsmodell für visuelle, Audio- und Sprachmodalitäten. Arbeit: ONE-PEACE: Untersuchung eines allgemeinen Repräsentationsmodells für unbegrenzte Modalitäten
[ICML2024 (Oral)] Offizielle PyTorch-Implementierung von DoRA: Gewichtsdekomponierte Low-Rank-Adaption
CALVIN - Ein Benchmark für sprachkonditioniertes Policy Learning für Roboter-Manipulationsaufgaben mit langem Horizont
[CVPR 2024 🔥] Grounding Large Multimodal Model (GLaMM), das erste Modell seiner Art, das natürlichsprachliche Antworten generieren kann, die nahtlos in Objeksegmentierungsmasken integriert sind.
Über Dieses Repository ist eine kuratierte Sammlung der aufregendsten und einflussreichsten CVPR 2025-Paper. 🔥 [Paper + Code + Demo]
[CVPR 2024] Alpha-CLIP: Ein CLIP-Modell, das sich auf jeden beliebigen Punkt konzentriert
Dieses Repository ist eine kuratierte Sammlung der aufregendsten und einflussreichsten CVPR 2024-Paper. 🔥 [Paper + Code + Demo]
KI-Forschungsplattform für Reinforcement Learning aus realen Panoramabildern.
Dieses Repository ist eine kuratierte Sammlung der aufregendsten und einflussreichsten CVPR 2023 Papers. 🔥 [Paper + Code]
Erstellung einer Software zur automatischen Überwachung bei Online-Aufsicht
Eine kuratierte Liste für Navigation mit Sehen und Sprache. ACL 2022 Paper "Navigation mit Sehen und Sprache: Eine Übersicht über Aufgaben, Methoden und zukünftige Richtungen"
Eine kuratierte Liste toller Ressourcen zu Vision und Sprache (noch im Aufbau... bleiben Sie dran!)
Dieses Repo listet relevante Arbeiten auf, die in unserem Übersichtsartikel zusammengefasst sind: A Systematic Survey of Prompt Engineering on Vision-Language Foundation Models.
[TPAMI 2024] Offizielles Repository von „ETPNav: Sich weiterentwickelnde topologische Planung für Vision-Language-Navigation in kontinuierlichen Umgebungen“
Häufig gestellte Fragen
Welches ist das beliebteste #vision-and-language-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#vision-and-language-Projekt auf GitHub ist aishwaryanr/awesome-generative-ai-guide mit 30,359 Sternen. Ein zentrales Repository für Updates zur generativen KI-Forschung, Interviewressourcen, Notizbücher und vieles mehr!
Welche Programmiersprachen werden in #vision-and-language-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #vision-and-language-Projekten auf GitHub sind Python, Jupyter Notebook, HTML, TypeScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #vision-and-language-Repositories berechnet?
Wir verfolgen 25 aktive Open-Source-Repositories, die mit #vision-and-language getaggt sind (500+ Sterne), mit insgesamt 67,711 Sternen und durchschnittlich 2,708 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.