#clip Dépôts
Découvrez 43 dépôts GitHub open source actifs associés à #clip, cumulant 138,394 étoiles au total (soit une moyenne de 3,218 étoiles par projet). Le projet en tête de ce thème est CompVis/stable-diffusion, avec 72,101 étoiles.
43 dépôts au total
Version chinoise de CLIP qui permet la récupération intermodale et la génération de représentations en chinois.
Service de notifications push sans application open source, prêt à l'emploi avec iOS14+ scan. Prend également en charge les clients Quick App/iOS et Mac, les clients Android, les appareils auto-construits
Boîte à outils d'évaluation open-source pour les grands modèles multimodaux (LMM), prend en charge plus de 220 LMM et plus de 80 benchmarks
Solutions NLP chinoises (grands modèles, données, modèles, entraînement, inférence)
Collection de modèles impressionnants de vision-langage pour les tâches de vision
Calculez facilement les plongements de clips et créez un système de récupération de clips avec eux
Ajoutez la détection d'objets, le suivi, les notifications mobiles et la recherche à n'importe quelle caméra de sécurité.
🥂 Relevez gracieusement le défi hCaptcha avec un grand modèle linguistique multimodal.
Cambrian-1 est une famille de LLM multimodaux avec une conception centrée sur la vision.
Développement rapide d'interface utilisateur Android, spécialement conçu pour maîtriser tous les contrôles natifs
Une ressource indispensable pour quiconque souhaite expérimenter et construire sur l'API Vision d'OpenAI 🔥
[ACL 2024 🔥] Video-ChatGPT est un modèle de conversation vidéo capable de générer des conversations significatives sur des vidéos. Il combine les capacités des LLM avec un encodeur visuel pré-entraîné adapté à la représentation vidéo spatio-temporelle. Nous introduisons également une "Évaluation quantitative rigoureuse" pour les modèles conversationnels basés sur des vidéos.
Entraînement et inférence distribués pour la perception multimodale : représentations vectorielles partagées pour le texte, les images, la vidéo, l’audio, le code et les graphes, de 64 à 1 024 dimensions 🖼️
Liste impressionnante pour la recherche sur CLIP (Contrastive Language-Image Pre-Training).
Cette série vous emmènera dans un voyage des bases du NLP et de la vision par ordinateur jusqu'à la pointe des modèles Vision-Langage.
Une implémentation officielle pour "CLIP4Clip: Une étude empirique de CLIP pour la recherche de clips vidéo de bout en bout"
🔥🔥🔥Boîte à outils d'algorithmes d'IA gratuite et hors ligne pour Java, prenant en charge la reconnaissance faciale, la détection de vivacité, la reconnaissance d'expressions, la détection d'objets, la segmentation d'instances, la détection de piétons, la reconnaissance de texte OCR, la reconnaissance de plaques d'immatriculation, la reconnaissance de tableaux, ASR+TTS, la traduction automatique et d'autres fonctions, utilisable par référence Maven. Prend en charge PyTorch, Tensorflow et a intégré des modèles courants tels que Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5), Whisper, etc.
TrailSnap (行影集) | Album photo open source alimenté par l'IA pour les souvenirs de voyage et de vie.
Une liste organisée de publications sur la segmentation sémantique à vocabulaire ouvert et les domaines connexes (par exemple, la segmentation sémantique zero-shot) ressources..
Nouvelle génération de CLIP avec une forte capacité de discrimination fine, ICML2026 et ICML2025
Une collection et enquête de pointe sur les articles de modèles vision-langage, ainsi qu’un référentiel GitHub de modèles. Mises à jour continues.
Paddle Multimodal Integration and eXploration, prenant en charge les tâches multimodales courantes, y compris les modèles de pré-entraînement multimodaux à grande échelle de bout en bout et la boîte à outils de modèles de diffusion. Équipé de hautes performances et d'une grande flexibilité.
Téléchargeur/Enregistreur de flux, vidéos et clips Twitch. Ce téléchargeur avec interface graphique vous aide à télécharger et enregistrer des vidéos Twitch, y compris les diffusions et les VOD.
LLM2CLIP améliore significativement les modèles CLIP déjà à la pointe de la technologie.
Extrayez les caractéristiques vidéo à partir de vidéos brutes à l'aide de plusieurs GPU. Nous prenons en charge les images de flux RAFT ainsi que les modèles S3D, I3D, R(2+1)D, VGGish, CLIP et TIMM.
👁️ + 💬 + 🎧 = 🤖 Liste organisée des meilleurs modèles fondamentaux et multimodaux ! [Paper + Code + Exemples + Tutoriels]
Keras beit,caformer,CMT,CoAtNet,convnext,davit,dino,efficientdet,edgenext,efficientformer,efficientnet,eva,fasternet,fastervit,fastvit,flexivit,gcvit,ghostnet,gpvit,hornet,hiera,iformer,inceptionnext,lcnet,levit,maxvit,mobilevit,moganet,nat,nfnets,pvt,swin,tinynet,tinyvit,uniformer,volo,vanillanet,yolor,yolov7,yolov8,yolox,gpt2,llama2, alias kecam
🔍 Recherchez des images locales sur l’appareil en langage naturel, grâce à MobileCLIP2 d’Apple. / Recherchez des images locales sur votre téléphone/ordinateur en langage naturel (avec le modèle MobileCLIP2 d’Apple)
Recherche sémantique hors ligne de texte à image et d'image à image sur Android, alimentée par un modèle CLIP pré-entraîné à l'état de l'art quantifié et par le moteur d'inférence ONNX Runtime
FashionCLIP est un modèle similaire à CLIP affiné pour le domaine de la mode.
Outil gratuit pour créer des vidéos virales à partir de YouTube, en générant des clips optimisés pour TikTok et Instagram avec transcription automatique et montage au format 9:16.
Foire aux questions
Quel est le dépôt #clip le plus populaire sur GitHub ?
Le projet #clip open source le mieux classé sur GitHub est CompVis/stable-diffusion, avec 72,101 étoiles. Un modèle de diffusion latent texte-vers-image
Quels langages de programmation sont les plus utilisés dans les dépôts #clip ?
Parmi les projets #clip les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, Java, C.
Comment le classement des dépôts #clip est-il calculé ?
Nous suivons 43 dépôts open source actifs associés à #clip (500+ étoiles), totalisant 138,394 étoiles, avec une moyenne de 3,218 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.