#vision-language-models Dépôts
86 dépôts au total
Le dépôt fournit le code associé à l'article VLFM : Vision-Language Frontier Maps pour la navigation sémantique zéro-shot (ICRA 2024)
[NeurIPS 2025] 4KAgent: Agentic Any Image to 4K Super-Resolution. Un agent intelligent de vision par ordinateur capable de restaurer magiquement n'importe quelle image en 4K parfaite !
Code officiel pour "RegionCLIP: Region-based Language-Image Pretraining" [CVPR 2022]
[NeurIPS'25 Spotlight] Dépôt officiel pour "Chain-of-Zoom: Extreme Super-Resolution via Scale Autoregression and Preference Alignment"
MM-EUREKA : Explorer les frontières du raisonnement multimodal avec un apprentissage par renforcement basé sur des règles
Une collection et enquête de pointe sur les articles de modèles vision-langage, ainsi qu’un référentiel GitHub de modèles. Mises à jour continues.
Données et code pour l'article NeurIPS 2022 "Learn to Explain: Multimodal Reasoning via Thought Chains for Science Question Answering".
BiomedGPT: Un modèle de fondation généraliste Vision-Langage pour diverses tâches biomédicales
[ICCV 2025] Code officiel de "ORION : Un cadre holistique de conduite autonome de bout en bout par génération d'actions instruite par vision et langage"
EMNLP'22 | MedCLIP: Apprentissage contrastif à partir d'images et de textes médicaux non appariés
Discutez avec vos documents à l'aide de modèles de langage visuels. Ce dépôt met en œuvre un pipeline RAG de bout en bout avec des VLM locaux et propriétaires.
[ICLR 2026] ReCogDrive : Un cadre cognitif renforcé pour la conduite autonome de bout en bout
🔥🔥Les tout premiers modèles à l'échelle de l'heure pour la compréhension vidéo
Implémentation officielle du code de Vary-toy (Small Language Model rencontre Reinforced Vision Vocabulary)
Une liste organisée de ressources sur l'apprentissage par renforcement multi-modal (mise à jour en continu)
Dépôt officiel pour « Glyph : Mise à l'échelle des fenêtres de contexte via la compression visuelle et textuelle »
Framework qui permet le réglage fin des modèles d'ancrage vision-langage sur des ensembles de données personnalisés
Une collection d'articles, de codes, d'ensembles de données, de benchmarks et de ressources sur le raisonnement multimodal.
🌐 Modèles de vision, langage et action pour la conduite autonome : passé, présent et avenir
[BIONLP@ACL 2024] XrayGPT: Résumé des radiographies thoraciques à l'aide de modèles médicaux de vision et de langage.
Apprentissage par renforcement avec modèle du monde pour les agents VLM multi-tours. Cadre d’apprentissage par renforcement pour la vision (NeurIPS 2025).
Implémentations officielles de "Cheap and Quick: Efficient Vision-Language Instruction Tuning for Large Language Models" [NeurIPS 2023]
Un cadre d'interaction d'apprentissage par renforcement homme-multi-agent digne de confiance