#llava Repository
Scopri 26 repository GitHub open source attivi contrassegnati con #llava, che raccolgono un totale di 80,904 stelle (con una media di 3,111 stelle per progetto). Il progetto leader di questo argomento è haotian-liu/LLaVA, con 24,232 stelle.
26 repository in totale
[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) è stato creato per capacità di livello GPT-4V e oltre.
Questo repository contiene l'implementazione ufficiale di "FastVLM: Efficient Vision Encoding for Vision Language Models" - CVPR 2025
MLX-VLM è un pacchetto per l'inferenza e il fine-tuning di Vision Language Models (VLM) sul tuo Mac utilizzando MLX.
SUPIR mira allo sviluppo di algoritmi pratici per il ripristino di immagini fotorealistiche in condizioni reali. La nostra nuova demo online è anche disponibile su suppixel.ai.
Toolkit di valutazione open-source per modelli multimodali di grandi dimensioni (LMM), supporta 220+ LMM, 80+ benchmark
Soluzioni NLP cinesi (grandi modelli, dati, modelli, addestramento, inferenza)
Una libreria C#/.NET per eseguire in modo efficiente LLM (🦙LLaMA/LLaVA) sul tuo dispositivo locale.
[EMNLP-2024] Costruire agenti linguistici multimodali per prototipazione rapida e produzione
[ACL 2024 🔥] Video-ChatGPT è un modello di conversazione video capace di generare conversazioni significative sui video. Combina le capacità degli LLM con un encoder visivo pre-addestrato adattato per la rappresentazione video spazio-temporale. Introduciamo anche un rigoroso "Quantitative Evaluation Benchmarking" per modelli conversazionali basati su video.
Framework completamente aperto per l'addestramento multimodale democratizzato
Un framework potente di compressione di modelli per LLMs e LVLMs, adattato per GPU NVIDIA e NPU Huawei Ascend.
🔥🔥 LLaVA++: Estendere LLaVA con Phi-3 e LLaMA-3 (LLaVA LLaMA-3, LLaVA Phi-3)
Una raccolta e una ricerca all’avanguardia sui lavori di modelli vision‑linguaggio, oltre a un repository GitHub di modelli. Aggiornamenti continui.
Paddle Multimodal Integration and eXploration, a supporto delle attività multimodali mainstream, inclusi modelli di pre-addestramento multimodali su larga scala end-to-end e toolbox per modelli di diffusione. Dotato di alte prestazioni e flessibilità.
👁️ + 💬 + 🎧 = 🤖 Lista curata dei migliori modelli di base e multimodali! [Paper + Code + Esempi + Tutorial]
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.
[ECCV 2024 Orale] Codice per l'articolo: Un'immagine vale 1/2 token dopo il Livello 2: Accelerazione dell'inferenza Plug-and-Play per grandi modelli linguistici visivi
LLaVA-Mini è un modello multimodale ampio e unificato (LMM) che può supportare la comprensione di immagini, immagini ad alta risoluzione e video in modo efficiente.
[ICLR2026] VideoChat-Flash: Compressione gerarchica per la modellazione video a lungo contesto
Assistente basato sull'intelligenza artificiale per aiutarti nelle tue attività quotidiane, basato su Llama 3, DeepSeek R1 e molti altri modelli su HuggingFace.
Domande frequenti
Qual è il repository #llava più popolare su GitHub?
Il progetto open source #llava più alto in classifica su GitHub è haotian-liu/LLaVA, con 24,232 stelle. [NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) è stato creato per capacità di livello GPT-4V e oltre.
Quali linguaggi di programmazione sono più utilizzati nei repository #llava?
Tra i progetti #llava più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, C#, HTML.
Come viene calcolata la classifica dei repository #llava?
Monitoriamo 26 repository open source attivi contrassegnati con #llava (500+ stelle), per un totale di 80,904 stelle e una media di 3,111 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.