#llava Repositorios
Descubre 26 repositorios activos de código abierto de GitHub etiquetados con #llava, que acumulan 80,904 estrellas en total (una media de 3,111 estrellas por proyecto). El líder de este tema es haotian-liu/LLaVA, con 24,232 estrellas.
26 repositorios en total
[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) se construyó para capacidades de nivel GPT-4V y superiores.
Este repositorio contiene la implementación oficial de "FastVLM: Efficient Vision Encoding for Vision Language Models" - CVPR 2025
MLX-VLM es un paquete para la inferencia y el ajuste fino de Vision Language Models (VLM) en tu Mac usando MLX.
SUPIR tiene como objetivo desarrollar algoritmos prácticos para la restauración de imágenes fotorrealistas en la naturaleza. Nuestra nueva demostración en línea también está disponible en suppixel.ai.
Kit de herramientas de evaluación de código abierto para modelos multimodales grandes (LMM), admite más de 220 LMM, más de 80 benchmarks
Soluciones de PNL chinas (grandes modelos, datos, modelos, entrenamiento, inferencia)
Una biblioteca C#/.NET para ejecutar LLM (🦙LLaMA/LLaVA) de manera eficiente en su dispositivo local.
[EMNLP-2024] Construcción de agentes de lenguaje multimodal para prototipos rápidos y producción
[ACL 2024 🔥] Video-ChatGPT es un modelo de conversación de video capaz de generar conversaciones significativas sobre videos. Combina las capacidades de los LLM con un codificador visual preentrenado adaptado para la representación de video espaciotemporal. También presentamos una rigurosa 'Evaluación cuantitativa de referencia' para modelos de conversación basados en video.
Marco totalmente abierto para el entrenamiento multimodal democratizado
Un marco potente de compresión de modelos para LLMs y LVLMs, adaptado para GPUs NVIDIA y NPUs Huawei Ascend.
Una colección y encuesta de vanguardia sobre artículos de modelos de visión-idioma, y repositorio GitHub de modelos. Actualizaciones continuas.
Paddle Multimodal Integration and eXploration, compatible con tareas multimodales convencionales, incluidos modelos de preentrenamiento multimodales a gran escala de extremo a extremo y caja de herramientas de modelos de difusión. Equipado con alto rendimiento y flexibilidad.
👁️ + 💬 + 🎧 = 🤖 Lista curada de los mejores modelos fundacionales y multimodales. [Paper + Código + Ejemplos + Tutoriales]
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.
[ECCV 2024 Presentación Oral] Código del artículo: Una imagen vale 1/2 token después de la capa 2: Aceleración de inferencia plug-and-play para grandes modelos de lenguaje visual
LLaVA-Mini es un modelo multimodal grande y unificado (LMM) que puede admitir la comprensión de imágenes, imágenes de alta resolución y videos de manera eficiente.
[ICLR2026] VideoChat-Flash: Compresión jerárquica para la modelización de video de largo contexto
Asistente impulsado por IA para ayudarte con tus tareas diarias, potenciado por Llama 3, DeepSeek R1 y muchos más modelos en HuggingFace.
Preguntas frecuentes
¿Cuál es el repositorio de #llava más popular en GitHub?
El proyecto de código abierto de #llava mejor posicionado en GitHub es haotian-liu/LLaVA, con 24,232 estrellas. [NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) se construyó para capacidades de nivel GPT-4V y superiores.
¿Qué lenguajes de programación se utilizan más en los repositorios de #llava?
Entre los proyectos de #llava mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C#, HTML.
¿Cómo se calcula la clasificación de los repositorios de #llava?
Seguimos 26 repositorios activos de código abierto etiquetados con #llava (500+ estrellas), que suman un total de 80,904 estrellas, con una media de 3,111 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.