#image-captioning Dépôts
Découvrez 24 dépôts GitHub open source actifs associés à #image-captioning, cumulant 94,220 étoiles au total (soit une moyenne de 3,925 étoiles par projet). Le projet en tête de ce thème est Vision-CAIR/MiniGPT-4, avec 25,770 étoiles.
24 dépôts au total
Codes open-source pour MiniGPT-4 et MiniGPT-v2 (https://minigpt-4.github.io, https://minigpt-v2.github.io/)
Un simple outil d'analyse d'écran pour un agent d'interface graphique basé sur la vision pure
Code PyTorch pour BLIP : Bootstrapping Language-Image Pre-training pour une compréhension et génération unifiée vision-langage
Modèle Keras pour générer du code HTML à partir de maquettes de sites web dessinées à la main. Implémente une architecture de légendage d'images pour des images source dessinées.
InternGPT (iGPT) est une plateforme de démonstration open source où vous pouvez facilement présenter vos modèles d'IA. Il prend désormais en charge DragGAN, ChatGPT, ImageBind, les discussions multimodales comme GPT-4, SAM, l'édition interactive d'images, etc. Essayez-le sur igpt.opengvlab.com (système de démonstration en ligne prenant en charge DragGAN, ChatGPT, ImageBind, SAM).
Dépôt officiel d'OFA (ICML 2022). Paper : OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework
Classe Swift simple pour fournir toutes les configurations dont vous avez besoin pour créer une vue caméra personnalisée dans votre application
La mise en œuvre de "Prismer: un modèle Vision-Language avec des experts multitâches".
:fire: :fire: :fire: Une liste d'articles sur certains travaux récents en vision par ordinateur (CV)
VTuber IA avec LLM, ASR, TTS, OCR, CV et d’autres technologies pour diffuser en direct ou jouer à Minecraft avec vous.
Extension pour modifier les légendes des jeux de données pour l'interface Web SD d'AUTOMATIC1111
Scraping de données Twitter, recherche d'images basée sur l'intégration et plus encore.
👁️ + 💬 + 🎧 = 🤖 Liste organisée des meilleurs modèles fondamentaux et multimodaux ! [Paper + Code + Exemples + Tutoriels]
Recommandé sur la base des images de nœuds ComfyUI : Joy_caption + MiniCPMv2_6-prompt-generator + florence2
Nœuds ComfyUI pour les modèles vision-langage : Qwen3-VL, Moondream 3, Florence-2, SmolVLM2, InternVL, Gemma 3, MiniCPM-V. Inclut également la détection à vocabulaire ouvert, la segmentation SAM2/SAM3, le raisonnement temporel vidéo, GGUF via llama.cpp, et des API LLM/VLM hébergées.
L'intégration réussie de la série Qwen3-VL-Instruct dans la plateforme ComfyUI a permis une opération fluide, prenant en charge (mais sans s'y limiter) des requêtes basées sur le texte, des requêtes vidéo, des requêtes d'une seule image et des requêtes multi-images pour générer des légendes ou des réponses.
[CVPR 2021] VirTex: Apprentissage de représentations visuelles à partir d'annotations textuelles
Foire aux questions
Quel est le dépôt #image-captioning le plus populaire sur GitHub ?
Le projet #image-captioning open source le mieux classé sur GitHub est Vision-CAIR/MiniGPT-4, avec 25,770 étoiles. Codes open-source pour MiniGPT-4 et MiniGPT-v2 (https://minigpt-4.github.io, https://minigpt-v2.github.io/)
Quels langages de programmation sont les plus utilisés dans les dépôts #image-captioning ?
Parmi les projets #image-captioning les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, Swift.
Comment le classement des dépôts #image-captioning est-il calculé ?
Nous suivons 24 dépôts open source actifs associés à #image-captioning (500+ étoiles), totalisant 94,220 étoiles, avec une moyenne de 3,925 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.