#vision-language Repositories
Entdecke 20 aktive Open-Source-GitHub-Repositories, die mit #vision-language getaggt sind und insgesamt 40,771 Sterne gesammelt haben (durchschnittlich 2,038 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist IDEA-Research/GroundingDINO mit 9,509 Sternen.
Insgesamt 20 Repositories
[ECCV 2024] Offizielle Implementierung des Papers "Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection"
Chinesische Version von CLIP, die chinesische Cross-Modal-Retrieval und Repräsentationsgenerierung ermöglicht.
PyTorch-Code für BLIP: Bootstrapping Language-Image Pre-training für unified Vision-Language Understanding und Generation
Offizielle Repository von OFA (ICML 2022). Paper: OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework
Eine Open-Source-Implementierung für das Fine-Tuning der Qwen-VL-Serie von Alibaba Cloud.
Eine Sammlung origineller, innovativer Ideen und Algorithmen für fortgeschrittene literarische Maschinen. Dieses Projekt wird vom OCR-Team im Language Technology Lab des Tongyi Lab der Alibaba Group betreut.
[ACL 2024 🔥] Video-ChatGPT ist ein Videokonversationsmodell, das aussagekräftige Konversationen über Videos generieren kann. Es kombiniert die Fähigkeiten von LLMs mit einem vortrainierten visuellen Encoder, der für die räumlich-zeitliche Videodarstellung angepasst ist. Wir stellen außerdem ein strenges „Quantitative Evaluation Benchmarking“ für videobasierte Konversationsmodelle vor.
Ein allgemeines Repräsentationsmodell für visuelle, Audio- und Sprachmodalitäten. Arbeit: ONE-PEACE: Untersuchung eines allgemeinen Repräsentationsmodells für unbegrenzte Modalitäten
CALVIN - Ein Benchmark für sprachkonditioniertes Policy Learning für Roboter-Manipulationsaufgaben mit langem Horizont
[CVPR 2024] Alpha-CLIP: Ein CLIP-Modell, das sich auf jeden beliebigen Punkt konzentriert
🔥🔥 LLaVA++: LLaVA mit Phi-3 und LLaMA-3 erweitern (LLaVA LLaMA-3, LLaVA Phi-3)
Dies ist die Implementierung des Papers Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection durch Dritte.
Eine 11B-Modellreihe mit offenen Gewichten zum Verstehen von Langform- und Echtzeitvideos
[ICLR 2024] Steuerung von Vision-Language-Modellen zur universellen Bildrestaurierung. Bedeutete den 5. Platz in der NTIRE 2024 Restore Any Image Model in the Wild Challenge.
🌐 Vision-Language-Action-Modelle für autonomes Fahren: Vergangenheit, Gegenwart und Zukunft
Eine Übersicht über CLIP in der medizinischen Bildgebung
Häufig gestellte Fragen
Welches ist das beliebteste #vision-language-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#vision-language-Projekt auf GitHub ist IDEA-Research/GroundingDINO mit 9,509 Sternen. [ECCV 2024] Offizielle Implementierung des Papers "Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection"
Welche Programmiersprachen werden in #vision-language-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #vision-language-Projekten auf GitHub sind Python, Jupyter Notebook, C++, HTML die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #vision-language-Repositories berechnet?
Wir verfolgen 20 aktive Open-Source-Repositories, die mit #vision-language getaggt sind (500+ Sterne), mit insgesamt 40,771 Sternen und durchschnittlich 2,038 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.