#image-captioning Repository
Scopri 24 repository GitHub open source attivi contrassegnati con #image-captioning, che raccolgono un totale di 94,220 stelle (con una media di 3,925 stelle per progetto). Il progetto leader di questo argomento è Vision-CAIR/MiniGPT-4, con 25,770 stelle.
24 repository in totale
Codici open-source per MiniGPT-4 e MiniGPT-v2 (https://minigpt-4.github.io, https://minigpt-v2.github.io/)
Un semplice strumento di parsing dello schermo per agenti GUI basati esclusivamente sulla visione
Codice PyTorch per BLIP: Bootstrapping Language-Image Pre-training per la comprensione e generazione unificata visione-linguaggio
Modello Keras per generare codice HTML da mockup di siti web disegnati a mano. Implementa un'architettura di captioning delle immagini per immagini sorgente disegnate.
InternGPT (iGPT) è una piattaforma demo open source dove puoi facilmente mostrare i tuoi modelli AI. Ora supporta DragGAN, ChatGPT, ImageBind, chat multimodali come GPT-4, SAM, editing interattivo di immagini, ecc. Provalo su igpt.opengvlab.com (sistema demo online che supporta DragGAN, ChatGPT, ImageBind, SAM).
Repository ufficiale di OFA (ICML 2022). Paper: OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework
Semplice classe Swift per fornire tutte le configurazioni necessarie per creare una vista fotocamera personalizzata nella tua app
L'implementazione di "Prismer: un modello Vision-Language con esperti multi-task".
:fire: :fire: :fire: Un elenco di documenti su alcuni recenti lavori di Computer Vision (CV)
VTuber AI con LLM, ASR, TTS, OCR, CV e altre tecnologie per fare streaming in diretta o giocare a Minecraft con te.
Estensione per modificare le didascalie del set di dati per l'interfaccia web SD di AUTOMATIC1111
Scraping di dati da Twitter, ricerca di immagini basata su embedding e altro ancora.
👁️ + 💬 + 🎧 = 🤖 Lista curata dei migliori modelli di base e multimodali! [Paper + Code + Esempi + Tutorial]
Consigliato in base alle immagini dei nodi di ComfyUI: Joy_caption + MiniCPMv2_6-prompt-generator + florence2
Nodi ComfyUI per modelli vision-language: Qwen3-VL, Moondream 3, Florence-2, SmolVLM2, InternVL, Gemma 3, MiniCPM-V. Include inoltre rilevamento a vocabolario aperto, segmentazione SAM2/SAM3, ragionamento temporale video, GGUF tramite llama.cpp e API LLM/VLM ospitate.
L'integrazione di successo della serie Qwen3-VL-Instruct nella piattaforma ComfyUI ha permesso un funzionamento senza intoppi, supportando (ma non limitandosi a) richieste basate su testo, richieste video, richieste con una sola immagine e richieste con più immagini per generare didascalie o risposte.
[CVPR 2021] VirTex: Apprendimento di rappresentazioni visive da annotazioni testuali
Domande frequenti
Qual è il repository #image-captioning più popolare su GitHub?
Il progetto open source #image-captioning più alto in classifica su GitHub è Vision-CAIR/MiniGPT-4, con 25,770 stelle. Codici open-source per MiniGPT-4 e MiniGPT-v2 (https://minigpt-4.github.io, https://minigpt-v2.github.io/)
Quali linguaggi di programmazione sono più utilizzati nei repository #image-captioning?
Tra i progetti #image-captioning più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, Swift.
Come viene calcolata la classifica dei repository #image-captioning?
Monitoriamo 24 repository open source attivi contrassegnati con #image-captioning (500+ stelle), per un totale di 94,220 stelle e una media di 3,925 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.