#image-captioning Repositorios
Descubre 24 repositorios activos de código abierto de GitHub etiquetados con #image-captioning, que acumulan 94,220 estrellas en total (una media de 3,925 estrellas por proyecto). El líder de este tema es Vision-CAIR/MiniGPT-4, con 25,770 estrellas.
24 repositorios en total
Códigos de código abierto para MiniGPT-4 y MiniGPT-v2 (https://minigpt-4.github.io, https://minigpt-v2.github.io/)
Una simple herramienta de análisis de pantalla hacia un agente de GUI basado puramente en la visión
Código PyTorch para BLIP: Bootstrapping Language-Image Pre-training para la Comprensión y Generación Unificada Visión-Lenguaje
Modelo de Keras para generar código HTML a partir de mockups de sitios web dibujados a mano. Implementa una arquitectura de subtitulación de imágenes para imágenes fuente dibujadas.
InternGPT (iGPT) es una plataforma de demostración de código abierto donde puedes mostrar fácilmente tus modelos de IA. Ahora admite DragGAN, ChatGPT, ImageBind, chat multimodal como GPT-4, SAM, edición interactiva de imágenes, etc. Pruébalo en igpt.opengvlab.com (sistema de demostración en línea que admite DragGAN, ChatGPT, ImageBind, SAM).
Repositorio oficial de OFA (ICML 2022). Paper: OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework
Clase Simple de Swift para proporcionar todas las configuraciones que necesita para crear una vista de cámara personalizada en su aplicación
La implementación de "Prismer: un modelo de visión y lenguaje con expertos multitarea".
:fire: :fire: :fire: Una lista de artículos sobre algunos trabajos recientes de Visión por Computadora (CV)
VTuber de IA con LLM, ASR, TTS, OCR, CV y más tecnologías para hacer transmisiones en vivo o jugar Minecraft contigo.
Extensión para editar subtítulos de conjuntos de datos para la interfaz web SD de AUTOMATIC1111
Extracción de datos de Twitter, búsqueda de imágenes basada en incrustaciones y más.
👁️ + 💬 + 🎧 = 🤖 Lista curada de los mejores modelos fundacionales y multimodales. [Paper + Código + Ejemplos + Tutoriales]
Recomendado basado en imágenes de nodos de ComfyUI: Joy_caption + MiniCPMv2_6-prompt-generator + florence2
Nodos de ComfyUI para modelos de visión-lenguaje: Qwen3-VL, Moondream 3, Florence-2, SmolVLM2, InternVL, Gemma 3, MiniCPM-V. Además de detección de vocabulario abierto, segmentación SAM2/SAM3, razonamiento temporal de video, GGUF a través de llama.cpp y APIs de LLM/VLM alojadas.
La integración exitosa de la serie Qwen3-VL-Instruct en la plataforma ComfyUI ha permitido un funcionamiento fluido, soportando (pero no limitado a) consultas basadas en texto, consultas de video, consultas de una sola imagen y consultas de múltiples imágenes para generar subtítulos o respuestas.
Preguntas frecuentes
¿Cuál es el repositorio de #image-captioning más popular en GitHub?
El proyecto de código abierto de #image-captioning mejor posicionado en GitHub es Vision-CAIR/MiniGPT-4, con 25,770 estrellas. Códigos de código abierto para MiniGPT-4 y MiniGPT-v2 (https://minigpt-4.github.io, https://minigpt-v2.github.io/)
¿Qué lenguajes de programación se utilizan más en los repositorios de #image-captioning?
Entre los proyectos de #image-captioning mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, Swift.
¿Cómo se calcula la clasificación de los repositorios de #image-captioning?
Seguimos 24 repositorios activos de código abierto etiquetados con #image-captioning (500+ estrellas), que suman un total de 94,220 estrellas, con una media de 3,925 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.