#vision-language Dépôts
Découvrez 20 dépôts GitHub open source actifs associés à #vision-language, cumulant 40,771 étoiles au total (soit une moyenne de 2,038 étoiles par projet). Le projet en tête de ce thème est IDEA-Research/GroundingDINO, avec 9,509 étoiles.
20 dépôts au total
[ECCV 2024] Implémentation officielle du papier "Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection"
Version chinoise de CLIP qui permet la récupération intermodale et la génération de représentations en chinois.
Code PyTorch pour BLIP : Bootstrapping Language-Image Pre-training pour une compréhension et génération unifiée vision-langage
Dépôt officiel d'OFA (ICML 2022). Paper : OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework
Une implémentation open-source pour le réglage fin de la série Qwen-VL d'Alibaba Cloud.
Une collection d'idées et d'algorithmes originaux et innovants pour des machines littéraires avancées. Ce projet est maintenu par l'équipe OCR du Language Technology Lab, Tongyi Lab, Alibaba Group.
[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.
[ECCV 2024 Oral] DriveLM : Conduire avec des questions-réponses visuelles sur graphes
Un modèle de représentation général à travers les modalités de vision, audio et langage. Article : ONE-PEACE : Exploration d'un modèle de représentation général vers des modalités illimitées
CALVIN - Une référence pour l'apprentissage de politiques conditionnées par le langage pour les tâches de manipulation robotique à long terme
🔥🔥 LLaVA++ : Étendre LLaVA avec Phi-3 et LLaMA-3 (LLaVA LLaMA-3, LLaVA Phi-3)
Ceci est l'implémentation tierce du papier Grounding DINO : Marrying DINO with Grounded Pre-Training for Open-Set Object Detection.
Une série de modèles de 11B à poids ouverts pour la compréhension de vidéos longues et en temps réel
[ICLR 2024] Contrôle des modèles Vision-Langage pour la restauration universelle d'images. 5ème place au challenge NTIRE 2024 Restore Any Image Model in the Wild.
🌐 Modèles de vision, langage et action pour la conduite autonome : passé, présent et avenir
Foire aux questions
Quel est le dépôt #vision-language le plus populaire sur GitHub ?
Le projet #vision-language open source le mieux classé sur GitHub est IDEA-Research/GroundingDINO, avec 9,509 étoiles. [ECCV 2024] Implémentation officielle du papier "Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection"
Quels langages de programmation sont les plus utilisés dans les dépôts #vision-language ?
Parmi les projets #vision-language les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, C++, HTML.
Comment le classement des dépôts #vision-language est-il calculé ?
Nous suivons 20 dépôts open source actifs associés à #vision-language (500+ étoiles), totalisant 40,771 étoiles, avec une moyenne de 2,038 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.