#vision-language Repositorios
Descubre 20 repositorios activos de código abierto de GitHub etiquetados con #vision-language, que acumulan 40,771 estrellas en total (una media de 2,038 estrellas por proyecto). El líder de este tema es IDEA-Research/GroundingDINO, con 9,509 estrellas.
20 repositorios en total
[ECCV 2024] Implementación oficial del artículo "Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection"
Versión china de CLIP que logra la recuperación intermodal y la generación de representaciones en chino.
Código PyTorch para BLIP: Bootstrapping Language-Image Pre-training para la Comprensión y Generación Unificada Visión-Lenguaje
Repositorio oficial de OFA (ICML 2022). Paper: OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework
Una implementación de código abierto para ajustar la serie Qwen-VL de Alibaba Cloud.
Una colección de ideas y algoritmos originales e innovadores para Maquinaria Literaria Avanzada. Este proyecto es mantenido por el Equipo OCR en el Language Technology Lab, Tongyi Lab, Alibaba Group.
[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.
[ECCV 2024 Oral] DriveLM: Conducir con preguntas y respuestas visuales sobre grafos
Un modelo de representación general a través de modalidades de visión, audio y lenguaje. Artículo: ONE-PEACE: Explorando un modelo de representación general hacia modalidades ilimitadas
CALVIN - Un punto de referencia para el aprendizaje de políticas condicionado por el lenguaje para tareas de manipulación robótica de largo alcance
Esta es la implementación de terceros del artículo Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection.
Una serie de modelos de 11B con pesos abiertos para la comprensión de videos de larga duración y en tiempo real
[ICLR 2024] Control de modelos de Visión-Lenguaje para la restauración universal de imágenes. Quinto lugar en el desafío NTIRE 2024 Restore Any Image Model in the Wild.
🌐 Modelos de visión, lenguaje y acción para la conducción autónoma: pasado, presente y futuro
Preguntas frecuentes
¿Cuál es el repositorio de #vision-language más popular en GitHub?
El proyecto de código abierto de #vision-language mejor posicionado en GitHub es IDEA-Research/GroundingDINO, con 9,509 estrellas. [ECCV 2024] Implementación oficial del artículo "Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection"
¿Qué lenguajes de programación se utilizan más en los repositorios de #vision-language?
Entre los proyectos de #vision-language 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 #vision-language?
Seguimos 20 repositorios activos de código abierto etiquetados con #vision-language (500+ estrellas), que suman un total de 40,771 estrellas, con una media de 2,038 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.